1.一种卡车称重系统，其特征在于，包括：

称重架，其通过四个传感器连接于卡车车厢与卡车架之间，用于获取卡车车厢的重量；

陀螺仪，其用于测量测量卡车中线与地面垂直的角度；以及智能称重系统，其分别与四个所述传感器及陀螺仪连接，用于将四个所述传感器依次实时称取的多次已知重量输入至BP神经网络标定以获取每个所述传感器的实时斜率，根据所述实时斜率获取称取的实时测量重量，将所述实时测量重量结合所述陀螺仪获取的角度得出测量的实际重量。

2.根据权利要求1所述的卡车称重系统，其特征在于，所述传感器为压片传感器。

3.根据权利要求1所述的卡车称重系统，其特征在于，还包括人机交互界面，该人机交互界面与所述智能称重系统。

4.根据权利要求1所述的卡车称重系统，其特征在于，四个所述传感器分布于所述称重架的四周。

5.一种根据权利要求1所述的卡车称重系统的称重方法，其特征在于，包括以下步骤：

1)设初始的质量为M，分担到每个传感器上的质量为m1、m2、m3、m4，M＝m1+m2+m3+m4；每个传感器的斜率为ki＝(infi-infi0)/(mi-0)，其中，infi为称重后的传感器电压值，infi0为传感器初始电压值；

2)在称重架的几何中心位置依次叠放已知重量的三个物体M，因此三个物体分别接近M1,M2,M3；依次将M1,M2,M3输入至BP神经网络；其中，连接权值ωi＝ki，输入xi＝mi；

3)根据BP神经网络，神经元采用S型激活函数，对于一个神经元的网络输入可以表示为：net＝x1ω1+x2ω2+x3ω3+x4ω4

其中，x1,x2,x3,x4是神经元所接受的输入，ω1，ω2，ω3，ω4分别是对应的连接权值；该神经元的输出为：其中，e为实际重量与测量重量之间的误差，y为经过传感器线性计算出来的重量带入神经元的S型激活函数的实时测量重量；

4)将所述实时测量重量结合所述陀螺仪获取的角度得出测量的实际重量。

6.根据权利要求5所述的卡车称重系统，其特征在于，步骤3)具体包括：

61)给定误差范围值 包括单个传感器误差范围值和总的传感器误差范围值，之后为各个神经网络连接权值ω1，ω2，ω3，ω4赋初始值0，确定步长η，给定计算精度值ε和最大学习次数N；

62)将测量块M的已知重量做成样本x(k)＝(x1(k),x2(k),x3(k),x4(k))以及对应的期望值带入S型激活函数中计算：同时也将通过传感器计算出来的重量值带入到S型激活函数中计算，比较两者计算结果的误差是否满足要求，如果满足，计算全局误差：如果继续满足，则执行步骤64)记录当前连接权值，满足要求E＜ε或学习次数N，此时得到各个权值函数；如果不满足，则执行步骤63)；

步骤63)计算各个神经元的偏导数，修正连接权值：

δ0＝(do(k)-yo(k))yo(k)(1-yo(k))δ0为偏导数，检查是否是为放上的最后测量块，如果是，检查迭代次数是否达到指定次数，若达到，则执行步骤64)，若未达到，执行步骤62)；如果不是最后测量块，检查迭代次数是否达到指定次数，如果未达到，执行步骤62)，若达到，更换下一个测量块，再执行步骤

62)；

步骤64)：记录连接权值和误差：

ωin+1(k)＝ωin(k)+ηδ0(k)。