[发明专利]基于机器学习的直落式物料下料机控制方法

摘要

本发明公开了基于机器学习的直落式物料下料机控制方法，先在控制器中建立神经网络，将下料仓料位、空中落差、落料率、物料密度及下料阀开口孔径5个输入量映射为直落式物料下料机下料过程中的物料空中量，按梯度下降法离线训练网络后，在线控制下料过程中处理模块根据神经网络输出的空中量预测值通过输出模块对下料阀进行提前关阀控制。本发明采用非线性网络对下料过程进行建模，训练后的网络能对不同落料状态下的空中量进行准确预测，从而可直接快速精确下料且适用于小批量生产，又通过对下料累积误差的控制，减小了批量下料的总误差。

主权项

基于机器学习的直落式物料下料机控制方法，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、物料密度及下料阀开口孔径5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：用直落式物料下料机重复下料，每次下料开始后，当物料从下料仓底部下料阀到计量斗之间形成连续的物料流时，再持续下料一段时间，在关闭下料阀时实时读取称重模块初始重量读数W并由处理模块获取神经网络各输入量的值，等待物料下落完毕后读取称重模块重量读数WD，则在关闭阀门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下料阀的关阀时刻进行调节。