电子皮带秤作为一种广泛应用于大宗散装物料动态称重的装置,存在动态称重精度低、耐久性差的问题。改善电子皮带秤的动态称重性能,可以减少物料运输和称重过程中的资源浪费和经济损失。本文从影响皮带秤称重误差的因素入手,引入神经网络理论,建立皮带秤过程神经网络模型。基于梯度下降法推导网络学习算法,通过matlab仿真验证了算法功能。针对网络模型泛化性较差的问题提出了一种模型算法优化方向。分析神经网络算法硬件实现需要面临的问题,确定硬件实现的总体结构,基于FPGA平台实现了过程神经网络的基本运算元件。针对训练过程中的数据制定了一种定点数数据表示方法,并基于此方法设计加法器和乘法器模块。讨论和研究了激活函数(Sigmoid函数)的逼近方法,并完成了激活函数的FPGA实现,通过仿真验证了FPGA实现Sigmoid函数的良好逼近效果。将加法器、乘法器模块和激活函数模块与逻辑设计结合,完成了过程神经元的FPGA实现。分析确定完成算法FPGA实现所需的上层模块结构。通过拆分神经网络算法的训练过程,将上层模块总体分为存储模块、计算模块、控制模块三类,根据各类模块中不同子模块的功能需求,完成了各模块的FPGA逻辑设计和功能验证。完成了过程神经网络算法FPGA实现的顶层模块设计,通过仿真验证了FPGA实现神经网络算法的收敛特性。并与matlab仿真结果对比,验证了利用FPGA实现过程神经网络的可行性和有效性。