为了达到更好的车辆动态称重精度，在分析车辆过秤态势受力情况的基础上，设计了一种高精度的集成化动态称重仪结构；针对诸多因素对行驶称重系统的输出值产生的影响，提出了结合神经网络的计算模型，可以提高动态称重精度。经试验验证，该行驶称重系统可用于交通数据采集和辅助实施超载检查。

为了提高动态汽车衡的称重精度，采用有限冲击响应（FIR）数字滤波算法滤除车辆动态称重过程中产生的随机干扰噪声。鉴于称重信号的信噪比较低和干扰噪声的复杂性，对基本算法进行了改进和优化，基于ARM微控制器平台实现了这一算法。通过对应用该算法的动态汽车衡的称重结果的分析，证明此算法对于提高动态称重精度具有良好的效果。

首先给出了动态称重系统设计组成，该系统以单片机AT89C51为核心，配以电荷放大器、MD转换单元，然后用主机进行软件处理，重点介绍了其中的电荷放大器。并用该系统完成了一次路面试验，试验结果表明，信号采集系统合理可行，压电薄膜轴铺设在路面时，性能没有预先想象的优良，最后分析了原因并给出了改进措施和方法。

本文列举了便携式动态轴重仪在使用中的几个使用误区，同时，简单介绍了这种动态衡器的动态称量精度、计量要求符合性及现场使用要求。

选别机（又称“分检衡器”）是包装生产线的检重设备,其原理是让袋装物品以一定的速度通过称重平台,在这一过程中动态地测出袋装品的重量值,并由执行机构将质量不合格的物品剔除掉。

针对目前动态称重系统称重误差较大的现状,设计了基于奇异谱分析的动态称重系统。在汽车综合试验场,根据设计的动态称重系统及所选用的压电石英称重传感器的特点,采用两轴车辆及多轴车辆在S形通过、高速行驶刹车通过、不同车速通过的三种情况下采集称重数据。利用车辆的轴重与采集的信号所包围的面积关系计算得到车重,并将奇异谱分析（SSA）算法应用于动态称重系统的数据处理中。试验结果表明：SSA算法与传统的小波分析算法相比能够明显降低称重误差,可广泛推广应用于动态称重系统中。

本文主要介绍一种基于MSP430的动态称重系统的结构和实现方法,重点从硬件上对其进行设计和分析,并给出软件流程图。

为了提高车辆动态称重测量系统的精度，在对误差分析的基础上，本文引入了神经网络算法。通过确定神经网络的输入输出变量，建立了神经网络模型。然后在MATLAB软件上进行网络训练，建立函数关系，最终通过实验验证用神经网络算法提高车辆动态称重精度是确实可行的。

随着政府对垃圾量监管力度的加大，建立精准、高效、智能的动态称重系统势在必行，本文着重介绍了智能称重系统的应用、优缺点及其改进措施，以期高速动态汽车衡称重系统能早日在垃圾填埋场中普及，并实现产业化。

车辆动态称重系统作为治理超限运输的主要工具，其测量精度一直是主要的研究课题。通过动态称重的实测数据，运用一元线性回归方法，建立以速度作为补偿因子的补偿模型，然后用该补偿模型对动态测量结果进行修正，并进行了相应的软件设计。实际应用表明该补偿算法具有一定的精度和实用价值。