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；

所述仓位传感器安装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；

在下料仓底部设置一个缓冲池，其包括阻尼器、伞状体，伞状体包括伞帽和支撑伞帽的伞架；阻尼器采用软连接分段。

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。

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。

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。

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额定最大加速度，vR为最大速度，μ为(0.5～0.9)之间的加速度系数，λ为(0.85～1.0)之间的速度系数；

所述关闭时间是指，当前从称重模块读取到的已下料重量等于：

其中，Ws和Wa分别为当前物料一次下料量和下落物料失重预测值，d为螺杆以最大速度运转时螺旋输送器的下料速率，ts为减速停止时间长度，ts＝λ·vR/μ·amax。

7.根据权利要求1～6任何一项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，所述神经网络的模型为：xck(t)＝xk(t-mod(k，q)-1)，

其中，mod为求余函数，f( )函数取为sigmoid函数；xck(t)为承接层输出，xj(t)为隐含层输出，ui(t-1)和y(t)分别为输入层输入和输出层输出，ωj、ωjk和ωji分别为隐含层到输出层的连接权值、承接层到隐含层的连接权值和输入层到隐含层的连接权值，θ和θj分别为输出层和隐含层阈值；k＝1，2，...m，q为所选定的回归延时尺度，根据采样周期和下料速率选取；j＝1，2，...m，i＝1，2，...6，隐含层及承接层节点数m在11～20之间选择。

8.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：除了下落物料失重值的预测值，修正下料量时还要计入当前累积下料误差。

9.基于神经网络的螺杆失重式物料下料机控制器，用于权利要求1-8任一项所述的螺杆失重式物料下料机，其特征在于，其包括信号采集模块、处理模块、神经网络模块、迭代学习模块、存储模块、第一连接阵、第二连接阵和输出模块，所述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下料仓料位、下料仓重量的传感信号并传输给处理模块进行数据处理与分析，存储器用于数据保存；

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、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，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；

离线训练所述神经网络时，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下落物料失重实际值和网络输出值，调整神经网络的连接权值；

在线控制下料时，第一连接阵断开，神经网络对下落物料失重值进行预测并经第二连接阵输出给处理模块，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进行关闭控制；

所述控制器分别通过仓位传感器的检测和对单位时间下料率的跟踪来判断下料仓内物料的分布，当仓位传感器在不同方位检测到的物料距离值经检测射线与竖直方向倾角的几何变换后超出一个较小的范围、或者发现单位时间下料量波动超过设定阈值后，命令振动杆动作。