电子皮带秤可以实现对散装物料不间断地自动累计称重,广泛应用于工业生产过程和贸易结算领域。但由于皮带蠕变等因素的影响,其计量性能很难长期（检定周期内）保持满足明示的称重准确度要求。本文研究电子皮带秤动态称重误差机理,利用神经网络等监督学习方法寻求可用的经验关系,提出电子皮带秤称重误差的补偿方法,以期有效减小其称重误差。主要研究工作如下:1.剖析电子皮带秤的功能结构和称重原理,探寻称重误差的来源,研究各误差源（影响因素）对电子皮带秤动态称重误差交叉影响的定量关系;对典型的双杠杆式电子皮带秤进行力学特性分析,推导出其称重模型、张力模型及称重力误差和测速误差关系式,仿真结果表明,皮带垂度变化对电子皮带秤动态称重准确度有着决定性的影响。2.基于电子皮带秤型式评价试验系统构建了具有皮带垂度监测功能的动态称重误差补偿试验装置,完成多组次试验测试,为后续误差补偿及神经网络补偿模型训练提供试验数据支持;采用基于增益调整的卡尔曼滤波器等对采集的信号数据进行野值剔除和降噪滤波;基于皮带垂度变化对典型电子皮带秤的称重力误差、测速误差以及动态称重误差进行补偿,补偿后的动态称重相对误差的绝对值均小于0.3%,较补偿前降低6%以上。3.根据电子皮带秤输入输出关系的特点,提出建立电子皮带秤适用的BP神经网络模型和过程神经网络模型的新思路,探索神经网络的不同训练算法;在实验室和使用现场验证、改进模型的有效性和适用性,实现了对电子皮带秤动态称重误差的校正,其中基于过程神经网络模型补偿校正后的动态称重相对误差的绝对值均小于0.1%。4.研究利用FPGA作为硬件实现电子皮带秤用过程神经网络补偿方法的计算过程。通过分段线性逼近的方式对神经网络的非线性激活函数进行逼近,对各个神经元和单元进行逻辑设计与封装,例化过程神经网络顶层设计并进行验证,FPGA输出结果与真实值的相对误差的绝对值均不超过0.2%,验证了基于过程神经网络实现电子皮带秤动态称重误差补偿的新方法,为开发小型便携式误差补偿装置进行了积极探索。