基于神经网络的螺杆失重式物料下料机及其控制器制造技术

本发明专利技术公开了基于神经网络的螺杆失重式物料下料机及其控制器，所述下料机包括机架、下料仓和螺旋输送器、混料斗、称重模块、落料阀及控制器。控制器中采用神经网络模块，基于下料仓的料位、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对物料失重值进行预测，从而调节螺旋输送器的关闭时间。本发明专利技术采用神经网络对下料称重进行建模，训练后的网络能对不同落料状态下的下落物料失重值进行准确预测，从而可直接精确下料且适用于小批量生产；采用仓位传感器和振动杆对下料仓内的物料堆积形态进行检测和调节，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。

Screw weightless material feeder and its controller based on Neural Network

The invention discloses a screw weightlessness material unloading machine and a controller based on a neural network. The unloading machine comprises a frame, a hopper and a screw conveyer, a mixing hopper, a weighing module, a blanking valve and a controller. The neural network module is adopted in the controller, and the material weightlessness value is forecasted based on the material position, blanking rate, material density, screw blade diameter, pitch and screw maximum speed, so as to adjust the closing time of screw conveyor. The invention adopts neural network modeling for material weighing, after training the network of different materials under the condition of weightlessness. The value of accurate prediction, which can direct accurate cutting and is suitable for small batch production; the material position sensor and vibration rod of silo within the accumulation state detection and adjustment reduce the blanking rate fluctuation; by controlling the accumulation of material errors, reduce the total error of sizing; because the screw can maintain high operation speed and improve the cutting efficiency.

【技术实现步骤摘要】
基于神经网络的螺杆失重式物料下料机及其控制器
本专利技术涉及定量下料领域，具体涉及一种基于神经网络的螺杆失重式物料下料机及其控制器。
技术介绍
在工农业制造和商品包装中，有大量的粉粒物料，如铁精矿、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。称重式定量依据物料质量进行计量充填或者投料，从称重计量方法的不同其又可分为增量式与失重式两种。增量式对不断下落到计量斗中的物料进行称重，这种方式需要在下料过程中不断称重，根据称重结果反馈控制下料量，由于物料是连续下落的，当下料阀门关闭时，仍有部分物料在空中。为了补偿空中物料对计量精度的干扰，很多方案采用提前关闭阀门的技术，如申请号为201410230888.8的中国专利将配料称重过程划分为三个阶段，并在最后一个阶段采用迭代学习控制方式来计算关闭提前控制量。相比于增量式，失重式称重方式通过不断称取料仓重量来计量下落物料的重量，从而避开了空中物料的问题。如申请号为200710142591.6、201010108011.3和201310178558.4的中国专利，均通过称重仓重量减小的计算来对下落物料进行计量，这些方案虽然无需考虑空中量，但由于未考虑物料从下料阀门落下时的失重效应而影响了称重计量的精度，不能满足高精度下料的要求，并且这些方案只能连续下料而不能直接应用于按批次的下料。相比以往的失重式计量下料，如果能通过对影响下落物料失重等效值各种因素的分析来构造一种非线性映射，则可以基于这种映射对失重式称重过程中物料的实际下料量进行计量。
技术实现思路
传统的失重秤是通过在工作时控制重量损失的原理实现计量的，对出料装置和称重料斗进行称重，根据失重秤计量斗内每单位时间内物料重量的减少ΔG/Δt来计算失重秤的给料流量。以往的失重称重方法，虽然是通过差分方法来获得流量，但是在两次差分之间的落料流率变化、物料粘结、以及环境如振动等因素的影响，都会影响差分结果的准确性。从下料方式来分析，普通失重称重计量一般采用螺旋输送机作为出料装置，只能动态调节连续运行时的下料速率，而无法直接进行分批次的定量下料；失重式称重的称量精度和配料速度这两个参量是两个相互矛盾的控制量，要提高称量精度，希望秤体越稳定越好，即喂料速度越慢越好，但势必增加配料时间，效率低；反之，如果喂料速度过快，精度很难保证。而单纯的螺杆式送料器属于容积式定量范畴，其结构简单，成本低，但定量充填速度稳定性及精度依赖于物料视比重的稳定性，受物料松散程度、颗粒均匀程度等的影响较大。由于普通容积式本质上是换算式的，无法像称重式一样掌握下料的确切质量，后来虽然出现了结合称重的方案，但由于没有空中量预测而只能依靠下料最后阶段极低的送料速度来保证精度。考虑到失重式称重不需要考虑空中量的优势，本专利技术方案将其结合到分批次下料的控制中。但由于下料过程中物料非零速度的下落会对称重计量造成影响，从而使得称重读数不同于静态称重。这种物料非零速度的下落造成的动态冲击，即下落物料失重值，其影响因素很多，如输送装置关闭速度、物料下落形态、流率等，因而通过动态称重来获取静态重量的转换方案难以通过离线实验一次性确定。根据对失重式称重下料过程深入的测试与分析，总结出螺杆失重式物料下料机其下落物料失重值最主要的影响因素包括：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。下落物料失重值是这些物理量的复杂非线性映射，为了对下落物料失重值进行预测并进而通过调节螺旋输送器关闭时间来进行精确的下料，需要辨识并表达该映射关系。基于线性系统理论对系统进行辩识并修正参数的方法能较好地应用于线性系统，但无法适用于复杂的非线性系统。人工神经网络是由大量处理单元广泛互连而成的网络，具有很强的自适应、自组织、自学习能力，在系统建模、辨识与控制中受到普遍重视，其所具有的非线性变换特性为系统辨识尤其是非线性系统的辨识提供了有效的方法。目前，非线性系统辩识中应用最多的是多层前向网络，多层前向网络具有逼近任意连续非线性函数的能力，但这种网络结构一般是静态的，从物料下落过程分析可以看出，由于下料仓料位是逐渐变化的，因此，连续两个采样周期中下落物料失重值之间也有着紧密的联系。为此，本专利技术的控制器中采用动态递归神经网络来对系统进行建模。与静态前馈型神经网络不同，动态递归网络通过存储内部状态，使其具备映射动态特征的功能，从而使系统具有适应时变特性的能力，更适合于非线性动态系统的辩识。本专利技术方案中，基于动态递归Elman神经网络，对下落物料失重值与下料仓料位h、落料率d、物料密度ρ及螺旋输送器的螺旋叶片直径D、螺距S和螺杆最大转速vR之间的映射关系进行辨识，又在下料过程中对下料仓中的物料分布进行检测与动态调整，使得经训练的神经网络能对不同状态下的下落物料失重值进行准确预测，从而实现高精度下料。本专利技术的技术解决方案是，提供一种以下结构的基于神经网络的螺杆失重式物料下料机，包括：机架、下料仓、螺旋输送器、混料斗、称重模块、落料阀、混合料仓和控制器；所述下料仓安装在固定于机架的称重模块上，其内部有一个仓位传感器；所述螺旋输送器位于下料仓的底部开口处，所述下料仓和螺旋输送器为2～6组；位于螺旋输送器下方的所述混料斗，其底部开口受落料阀控制，且其内壁上安装有一个混料器；所述混合料仓位于落料阀下方，且其底部有一个推板；所述控制器含有采用动态递归Elman神经网络的神经网络模块，且每一个螺旋输送器都有一个神经网络模块对应，每个神经网络模块将所对应下料仓的料位、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；控制器通过神经网络模块对下落物料失重值进行预测并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；控制器依次控制各螺旋输送器动作，在完成一次配方量下料后，打开落料阀，然后在检测到混合料仓中的物料累积本文档来自技高网...

【技术保护点】
基于神经网络的螺杆失重式物料下料机，其包括机架、下料仓、螺旋输送器、混料斗、称重模块、落料阀、混合料仓和控制器；所述下料仓安装在固定于机架的称重模块上，其内部有一个仓位传感器；所述螺旋输送器位于下料仓的底部开口处，所述下料仓和螺旋输送器为2～6组；位于螺旋输送器下方的所述混料斗，其底部开口受落料阀控制，且其内壁上安装有一个混料器；所述混合料仓位于落料阀下方，且其底部有一个推板；所述控制器含有采用动态递归Elman神经网络的神经网络模块，且每一个螺旋输送器都有一个神经网络模块对应，各神经网络模块将所对应下料仓的料位、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；控制器通过神经网络模块对下落物料失重值进行预测并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；控制器依次控制各螺旋输送器动作，在完成一次配方量下料后，打开落料阀，然后在检测到混合料仓中的物料累积到设定值后，打开推板，将混合均匀的物料排出。

【技术特征摘要】
1.基于神经网络的螺杆失重式物料下料机，其包括机架、下料仓、螺旋输送器、混料斗、称重模块、落料阀、混合料仓和控制器；所述下料仓安装在固定于机架的称重模块上，其内部有一个仓位传感器；所述螺旋输送器位于下料仓的底部开口处，所述下料仓和螺旋输送器为2～6组；位于螺旋输送器下方的所述混料斗，其底部开口受落料阀控制，且其内壁上安装有一个混料器；所述混合料仓位于落料阀下方，且其底部有一个推板；所述控制器含有采用动态递归Elman神经网络的神经网络模块，且每一个螺旋输送器都有一个神经网络模块对应，各神经网络模块将所对应下料仓的料位、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；控制器通过神经网络模块对下落物料失重值进行预测并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；控制器依次控制各螺旋输送器动作，在完成一次配方量下料后，打开落料阀，然后在检测到混合料仓中的物料累积到设定值后，打开推板，将混合均匀的物料排出。2.根据权利要求1所述的基于神经网络的螺杆失重式物料下料机，其特征在于：其还包括一个储料仓和进料泵，所述进料泵后端进料管的出口有一个物料喷头，所述物料喷头为球冠形，其表面分布有圆形小孔；所述进料泵转速按下式进行控制：其中，V进0为一设定最大进料速度，l为下料仓当前料位，LM和Lm分别为所预设的最高、最低下料仓料位。3.根据权利要求1所述的基于神经网络的螺杆失重式物料下料机，其特征在于：所述仓位传感器安装在在下料仓近机架中心的一个顶角上，且其底部有一个旋转底座；所述机架靠近下料仓侧壁处安装有振动杆，所述振动杆包括依次相连的支柱、云台、振动器、振杆，所述振动器底部有弹簧缓冲器，所述振杆表面分布有颗粒凸起；所述混合料仓的侧壁上安装有一个混合料位传感器，其内部还有一个匀料器，所述匀料器采用螺旋形桨叶，所述推板下方还有一个输料管。4.根据权利要求1所述的基于神经网络的螺杆失重式物料下料机，其特征在于：所述混料器包括依次相连的混料底座、两个混料支臂、以及连接两个混料支臂的混料支臂转轴、混料爪手转轴和混料爪手。5.根据权利要求1所述的基于神经网络的螺杆失重式物料下料机，其特征在于：所述混料器包括混料转轴、安装在混料转轴上的混料转盘和螺旋叶片，以及支撑混料转轴的混料撑架。6.根据权利要求1所述的基于神经网络的螺杆失重式物料下料机，其特征在于：所述下料仓底部有一个抽板；所述螺旋输送器包括螺杆箱、输送螺杆、连接器和电机，所述电机外壳通过连接器与螺杆箱相连，位于螺杆箱内的输送螺杆通过轴套与电机轴相连，螺杆箱上表面相对下料仓底部开口处有一进料口，螺杆箱与电机相对的另一端部还连接有一个竖直放置的下料管。7.根据权利要求1所述的基于神经网络的螺杆失重式物料下料机，其特征在于，所述控制器采用如下方式对螺旋输送器的运转速度进行控制：A、从停止状态以μ·amax加速度起动，当速度达到λ·vR时保持速度不变；B、当关闭时间到时，以μ·amax加速度开始减速，直至停止；其中，amax为螺旋输送器的螺杆...

【专利技术属性】
技术研发人员：邹细勇，王月真，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