公路车载动态称重系统的设计对于保护公路的正常使用有着重要的经济意义和社会价值。随着公路运输工业生产和商业贸易的不断发展,产生了对公路车辆进行动态称重越来越严格的要求,动态称重是路政部门加强正常运输、强制超载超限、提高管理工作效率,实现路政系统管理现代化、科学化的一项关键技术。就公路车载动态称重系统而言,称重的精度是最重要的性能指标,它标志着公路车载动态称重系统的技术水平的高低。目前公路车载动态称重系统由于对采集的信号只能简单的处理,加上建立的数学模型不适合非线性对象的特殊性,同时缺乏对干扰因素以及各种干扰因素之间的关系做深层次的研究和处理,所以系统的精度难以得到很大的提高。鉴于影响动态称重的干扰因素很多,而且这些因素之间不存在确切的函数关系,用传统的数学模型方法很难分析清楚这些干扰因素之间的关系,所以本文从理论基础方面入手,从提高称重精度的思想出发,介绍了应用于车载动态称重系统的各种智能算法模型,比较分析发现对于非线性对象没有解决误差精度问题,最终提出善于非线性建模的BP神经网络技术,包括网络的基本思想、计算过程、执行步骤、存在的问题,以及针对动态称重对象的非线性特征以及称重过程中存在的精度不准确问题采取了BP算法的改进方法,进一步满足了现场环境的称重要求。通过分析公路车载动态称重对象,建立了BP神经网络动态称重系统模型,根据现场采集的动态称重数据进行了网络模型的分析与数据训练,训练结果表明精度完全符合现场要求和国家标准。对于系统硬件方面,系统采用单片机进行数据采集与传送,对单片机的选择进行了介绍;用于数据处理的动态称重软件系统除了实现重量数据的处理、显示和查询等基本功能以外,它还实现了将采集的数据保存于数据库中并能以报表的形式打印出来的功能,以便于统计和查阅。本文中主要用到的单片机开发工具是C语言,工控机里的数据处理系统软件采用Visual C++ 6.0编程语言,主要利用RS-232串行接口来提供串口通信,使用BP神经网络对称重采集的数据建模仿真的环境是MATLAB R2007。