汽车动态称重系统的设计与实现

介绍了一种汽车动态称重系统的实现方法，由于称重过程中影响车辆重量的因素是非线性的，采用了改进的神经网络技术（与遗传算法的融合）来处理采集的数据，得到了满意的结果，误差达到5％。但由于神经网络的学习影响了数据输出的速度，后续工作正在就该问题展开进一步研究，拟采用多神经网络并行处理方法解决该问题。所介绍的自动称重系统除了能够实现称重数据的采集、处理、显示等功能外，还实现了将采集的数据保存到数据库中并能以报表的形式打印出来，以便于统计和查阅，实现了访问、查询数据库中记录等功能。     

基于粒子群优化算法的BP网络学习研究

文章提出了基于粒子群优化的BP网络学习算法。在该算法中,用粒子群优化算法替代了传统BP算法中的梯度下降法,使得改进后的算法具有不易陷入局部极小、泛化性能好等特点。并将该算法应用在了高速公路动态称重系统的设计中,实验证明:这种算法能够明显减少迭代次数、提高收敛精度,其泛化性能也优于传统BP算法。