1.一种基于神经网络的螺杆失重式物料下料机控制器，其包括信号采集模块、处理模块、神经网络模块、存储模块和输出模块，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；

在线控制下料时，神经网络对下落物料失重值进行预测后输出给处理模块，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：不断读取称重模块的传感值，当动态重量读数达到(G0-Ws-yL)时，关闭螺旋输送器；

其中，Ws为当前组份的一次下料量，G0为开始下料时下料仓的初始静态重量，yL为神经网络预测的下落物料失重值。

2.根据权利要求1所述的一种基于神经网络的螺杆失重式物料下料机控制器，其特征在于，其还包括迭代学习模块、第一连接阵和第二连接阵；

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，经训练的所述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。

3.根据权利要求1所述的一种基于神经网络的螺杆失重式物料下料机控制器，其特征在于，所述螺旋输送器进行关闭控制时，还要对本组份物料当前累积下料误差进行补偿，在当检测到下料仓动态重量读数达到(G0-Ws-yL+E)时，才关闭螺旋输送器，其中E为本组份当前累积下料误差，且E为正时表示下料过多。

4.根据权利要求1所述的一种基于神经网络的螺杆失重式物料下料机控制器，其特征在于，所述神经网络模块有多个，每一个螺旋输送器都有一个神经网络模块对应。

5.根据权利要求1～4任何一项所述的一种基于神经网络的螺杆失重式物料下料机控制器，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＝3；j＝＝1，2...m，i＝1，2...6，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。

6.根据权利要求1所述的一种基于神经网络的螺杆失重式物料下料机控制器，其特征在于，控制器还通过在下料仓侧壁上安装的一个振动杆来改善物料的分布。

7.根据权利要求6所述的一种基于神经网络的螺杆失重式物料下料机控制器，其特征在于，当距离传感器在不同方位检测到的物料距离值经几何变换后超出一个设定范围时，控制器命令振动杆动作。

8.根据权利要求6所述的一种基于神经网络的螺杆失重式物料下料机控制器，其特征在于，当发现单位时间下料量波动超过设定阈值时，控制器命令振动杆动作。

9.根据权利要求1所述的一种基于神经网络的螺杆失重式物料下料机控制器，其特征在于，控制器还控制进料泵动作，使得下料仓内物料顶面的料位保持在预设值附近。