【技术实现步骤摘要】
基于机器学习的螺杆式物料配料机控制方法
本专利技术涉及定量下料领域,具体涉及一种基于机器学习的螺杆式物料配料机控制方法。
技术介绍
在工农业制造和商品包装中,有大量的粉粒物料,如煤粉等炼铁原料,聚丙烯、聚苯乙烯、聚氯乙烯、轻甲基纤维素、聚丙烯睛、环氧树脂粉末涂料等化工原料,石英砂、水泥等建材原料,洗衣粉等日用化工产品,小米、大豆等谷物豆类农产品,或粉、渣、粒状加工食品,饲料、化肥、农药等农业生产物料,以及粉粒状的保健品、中西药剂、调味品等均需要自动定量包装或者配料制造。目前我国有很多企业仍然采用手工定量配料或者包装,一方面劳动强度大,速率慢,经济效益差;另一方面,食品、药品等手工定量往往不能满足卫生要求,有毒有害的物料,人工参与定量容易对人体造成伤害。因此对生产企业来说,急需提供价廉的具有较高速率和准确度的多组份自动定量下料设备或者装置,满足大量的物料定量包装或者配料制造要求。目前国内外粉粒物料自动定量下料配料装置常用方法有两种,容积式和称重式。容积式定量依据物料容积进行计量充填或者投料,定量投料迅速,但定量物料质量受到物料密度变化而变化。为提高下料精度,出现了多种调节方法,如申请号为201320001933.3的中国专利,对螺杆采用变频调速,在接近目标值逐渐减慢喂料速度,减少空中落差值;申请号为201310234280.8的中国专利,在纯碱包装机三速变频给料工艺中采用大小螺杆分多阶段下料;申请号为200920248298.2的中国专利考虑到快速下料时难以控制定量而通过先快后慢的方法来减小供料落差的影响;这些非称重式方案的下料终值只能接近期望值,准确度不高 ...
【技术保护点】
基于机器学习的螺杆式物料配料机控制方法,其包括以下步骤:S1、建立神经网络模块:所述神经网络模块采用动态递归Elman神经网络,其输入层分别从处理模块接收下料仓料位、空中落差、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7个输入量,输出层的输出量分别通过第一连接阵和第二连接阵传输至迭代学习模块和处理模块;S2、获取训练样本:用螺杆式物料配料机重复下料,每次下料开始后,当物料从下料仓底部螺旋输送器到计量斗之间形成连续的物料流时,再持续下料一段时间,在关闭螺旋输送器时实时读取称重模块初始重量读数W并由处理模块获取输入量的值,等待物料下落完毕后读取称重模块重量读数WD,则在关闭螺旋输送器时刻的状态下的空中量为A=WD‑W,以A作为样本输出量的空中量实际值;S3、离线训练神经网络:基于所获取的训练样本,迭代学习模块根据处理模块和神经网络分别通过第一连接阵输入的物料空中量实际值和网络输出值,采用梯度下降法迭代调整神经网络的连接权值;S4、在线下料控制:信号采集模块分别通过下料仓中仓位传感器、计量斗中斗位传感器和承载计量斗的称重模块来实时采集下料仓料位、计量斗料位、下落物料重量的 ...
【技术特征摘要】
1.基于机器学习的螺杆式物料配料机控制方法,其包括以下步骤:S1、建立神经网络模块:所述神经网络模块采用动态递归Elman神经网络,其输入层分别从处理模块接收下料仓料位、空中落差、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7个输入量,输出层的输出量分别通过第一连接阵和第二连接阵传输至迭代学习模块和处理模块;S2、获取训练样本:用螺杆式物料配料机重复下料,每次下料开始后,当物料从下料仓底部螺旋输送器到计量斗之间形成连续的物料流时,再持续下料一段时间,在关闭螺旋输送器时实时读取称重模块初始重量读数W并由处理模块获取输入量的值,等待物料下落完毕后读取称重模块重量读数WD,则在关闭螺旋输送器时刻的状态下的空中量为A=WD-W,以A作为样本输出量的空中量实际值;S3、离线训练神经网络:基于所获取的训练样本,迭代学习模块根据处理模块和神经网络分别通过第一连接阵输入的物料空中量实际值和网络输出值,采用梯度下降法迭代调整神经网络的连接权值;S4、在线下料控制:信号采集模块分别通过下料仓中仓位传感器、计量斗中斗位传感器和承载计量斗的称重模块来实时采集下料仓料位、计量斗料位、下落物料重量的传感信号并传输给处理模块进行数据处理与分析,得到下料仓料位、空中落差、落料率;利用训练好的神经网络对空中量进行预测得到预测值yA并传送给处理模块,由处理模块处理分析后通过输出模块对下料仓底部开口处的螺旋输送器的关闭时刻进行控制。2.根据权利要求1所述的基于机器学习的螺杆式物料配料机控制方法,其特征在于:所述在线下料控制过程中,假设当前组份的一次下料量为Ws,开始下料时,控制器通过读取称重模块的传感值,获得计量斗的初始重量为G0;之后,控制器不断读取称重模块的传感值,当该值达到(G0+Ws-yA)时,关闭螺旋输送器。3.根据权利要求1所述的基于机器学习的螺杆式物料配料机控制方法,其特征在于:所述获取训练样本过程中,使训练样本覆盖足够多的下料状态,每次关闭螺旋输送器时刻可以设定为从称重模块初始重量读数为某个确定值时刻之后的随机值。4.根据权利要求1所述的基于机器学习的螺杆式物料配料机控制方法,其特征在于:所述在线下料控制过程中,除了空中量预测值,还要对当前累积下料误差进行补偿,即当检测到计量斗重量达到(G0+Ws-yA-E)时,关闭螺旋输送器,其中E为本组份当前累积下料误差。5.根据权利要求1所述的基于机器学习的螺杆式物料配料机控制方法,其特征在于:所述输出模块还连接到计量斗底部开口处的落料阀,并根据处理模块的指令控制落料阀的启闭;所述输出模块还连接到下料仓中仓位传感器的可旋转底座,并根据处理模块的指令控制该底座的运转;所述输出模块还连接到安装在机架靠近下料仓侧壁处的振动杆,并根据处理模块的指令控制振动杆的起停和运转...
【专利技术属性】
技术研发人员:邹细勇,朱力,穆成银,
申请(专利权)人:中国计量大学,
类型:发明
国别省市:浙江,33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。