基于预测控制的智能优化控制技术数据集

为解决所提出基于预测控制的智能优化控制技术中预测模型参数智能辨识和质量要素在线测量问题，研究提出了智能学习模型驱动的参数辨识和质量预测方法。其中。面向橡胶密炼系统验证案例的实施需要构建密炼过程参数辨识和橡胶门尼检测数据集，以支持智能学习模型训练的先验数据，旨在解决橡胶生产中密炼工艺参数耦合复杂、传统门尼粘度检测效率低的问题，为橡胶生产智能化升级提供数据支撑。该数据集包含两部分核心内容：一是密炼过程参数辨识数据，基于键合图理论建立密炼传热模型，通过Matlab/Simulink仿真，在设定的转子转速、冷却水流量及系统参数取值范围内，随机生成参数与50组阶跃输入信号，共获得2000组实验数据，每组含模型参数、输入时间序列及输出时间序列；二是橡胶门尼检测数据，采用以树莓派为核心、含6个金属氧化物传感器与 2 个 PID 光离子传感器的阵列装置，对中策橡胶 7 种门尼粘度样本进行检测，通过预处理、样片室清洗、传感器清洗、90s 样本采集（5Hz 采样频率）等流程，获取 560 组传感器响应数据。数据集由同济大学课题组在专用实验室按标准规程采集处理，确保数据准确可靠。该数据集可用于密炼机模型参数辨识以提升工艺控制精度，同时支撑快速无接触橡胶门尼粘度检测方法研究，为橡胶生产工艺优化与智能检测技术发展提供关键数据资源。