随着工业生产自动化程度越来越高,传统的静态称重已经不能满足批量生产的需求,动态检重秤在此背景下应运而生。动态检重秤能够自动检查包装商品重量,它通常位于自动化定量包装生产线的末端,用于确保商品的重量在指定的范围内,任何超出公差范围的包装将自动脱线。本文研究的ⅩⅢ（1）级动态检重秤每分钟可以称重400个包装商品,同时可以与其他附加设备配合,例如金属探测器和X射线机,以检查包装的其他属性,相比传统人工静态称量方式效率得到了巨大的提升。然而,由于在动态称量信号的采集过程中存在机械振动干扰、电磁干扰以及各种随机冲击干扰等,动态检重秤很难在速度和准确度上同时满足要求。为了提高动态称重系统的准确度,必须研究影响检重秤计量准确性的各类因素,并探索减少误差的关键方法。首先,本文对目前国内外检重秤研究的相关标准、产品开发和相应技术现状进行分析,阐述检重秤的发展趋势。通过公式分析电机、皮带、托辊振动对称量精度的影响。对应变式电阻称重传感器测量过程进行推导,分析检重秤传感器非线性特性对检重结果的影响。其次,突破传统基于数字滤波和基于系统识别的动态称重信号处理方法的局限,提出一种基于ADAM改进的BP神经网络动态称重信号处理算法,算法的实现将在本文第三章详细介绍,并对该方法进行仿真研究和实际测试,证明该方法在检重秤应用中具有准确性与优越性。然后,根据算法和实际项目需求,设计一套基于QT的动态称重管理系统。详细介绍软件架构、通信协议、数据存储、用户界面等模块的软件设计,并提供基于本文装置的总体软件开发思路与实现流程。最后,通过检验检重秤系统不同速度下的检定分度值、最小称量、最大称量以及共振速度运行时的检重性能,验证本文方法对于传感器非线性补偿有效性,验证本文算法对检重精度提高的有效性和实用性,实现0.5g检定分度值,满足检重秤国标ⅩⅢ（1）等级。