1.基于机器学习的螺杆式物料配料机控制器，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、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，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、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；

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物料空中量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，神经网络对空中量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停控制。

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器，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。

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器，其特征在于：所述信号采集模块还通过位于落料阀下方混料斗中的一个料位传感器采集混料斗中的料位，所述输出模块还分别连接到所述混料斗底部的推板和安装在混料斗中的混料器，并根据处理模块的指令分别控制推板和混料器的起停。

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器，其特征在于：所述输出模块还连接到串在储料仓与下料仓之间的进料泵，并根据处理模块的指令控制进料泵的起停和运转，其中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。

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器，其特征在于：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。

6.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器，其特征在于：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。

7.根据权利要求1～6任何一项所述的基于机器学习的螺杆式物料配料机控制器，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优选，如可选q＝5；j＝＝1，2...m，i＝1，2...7，隐含层及承接层节点数m可以在11～20之间选择，如优选为16；

所述训练采用梯度下降法。

8.根据权利要求7所述的基于机器学习的螺杆式物料配料机控制器，其特征在于：所述的螺旋输送器关停控制，除了空中量预测值，还要对当前累积下料误差进行补偿。

9.根据权利要求8所述的基于机器学习的螺杆式物料配料机控制器，其特征在于：所述的神经网络模块有多个，每个神经网络模块对应配料机的一个螺旋输送器。

10.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器，其特征在于，所述输出模块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空中量预测值，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。