[发明专利]基于神经网络的螺杆失重式物料下料方法

摘要

本发明公开了基于神经网络的螺杆失重式物料下料方法，在控制器中建立神经网络，将下料仓料位、落料率、物料密度及螺旋输送器的螺旋叶片直径、螺距和螺杆最大转速这些输入量映射为落料失重值；离线训练神经网络后，在线进行下料控制时，基于仓位传感器和称重模块实时采集的信号，神经网络对落料失重值进行预测，处理模块基于该预测值修正下料量后对螺旋输送器的关闭时间进行调节。本发明采用神经网络对不同落料状态下的落料失重值进行预测，可直接精确下料且适用于小批量生产；对下料仓内的物料堆积形态的动态检测和调节，减小了落料率波动；通过对下料累积误差的控制，减小了批量下料的总误差；又由于螺杆可保持高运转速度而提升了下料效率。

主权项

1.基于神经网络的螺杆失重式物料下料方法，包括以下步骤：S1、在控制器中建立神经网络模块，采用神经网络将下料仓的料位、落料率、物料密度及螺旋输送器的螺旋叶片直径、螺距和螺杆最大转速6个输入量映射为下落物料失重值；S2、用螺杆失重式物料下料机重复下料，获取训练样本，利用所获取的样本离线训练神经网络；S3、基于训练好的神经网络，控制器在线进行下料控制：S31、根据一次量和各配方比例，确定各组份的一次下料量Ws，将当前组份设定为第一种组份；S32、对当前组份从下料仓开始下料，控制器通过信号采集模块读取支撑下料仓的称重模块的传感值，记录下料仓的初始重量G0；信号采集模块分别通过下料仓中仓位传感器和承载下料仓的称重模块来实时采集传感信号，经处理模块处理后利用神经网络对下落物料失重值进行预测得到预测值yL；S33、当检测到下料仓重量达到(G0‑Ws‑yL)时，通过输出模块关闭螺旋输送器；S34、更换下料组份，如果全部组份下料完毕，则转下一步，否则，转至步骤S32；S35、通过输出模块打开混料斗底部的落料阀，使得多组份物料组成的一次配方量物料落入混料斗，通过信号采集模块读取混合料仓中混合料位传感器的状态，若检测到料位超过设定阈值，则通过输出模块命令混合料仓中匀料器旋转搅拌，将多组份物料混合均匀后，通过输出模块打开混合料仓底部的推板，将混合物料从推板下的输料管输出；S36、如果预设下料批次已经完成，则结束下料；否则，将组份设定为第一种组份，转步骤S32；并且，在所述下料控制中，通过称重模块对下料速率进行实时跟踪，当发现单位时间下料速率波动超过设定阈值如5％后，控制器命令下料仓中振动杆动作，调整下料仓内的物料堆积形态。