數據融合是一個多層次、多層次的數據處理過程，其主要功能是地磅自動檢測、關聯、關聯、估計和組合多個數據源的數據。基于動態車輛衡的原理，分析了兩個道路稱重傳感器在不同時間的輸出數據，提出了一種基于貝葉斯估計的數據融合方法。實驗驗證表明，該方法的動態車輛衡遙控器誤差較小。

    它克服了車輛振動、路面粗糙度、傳感器靈敏度、傳感器色散線性誤差等因素對地磅稱重結果的影響，具有較高的精度。通過對稱重信號的數據波形分析，不難發現數據中含有大量的噪聲信號，這在很大程度上影響了稱重結果。常用的濾波方法是在一定范圍內消除噪聲信號，但由于道路和車輛的不均勻振動因素，其結果是不穩定的。本文介紹了一種小波神經網絡算法在稱重控制器信號處理中去噪。

    通過實驗和仿真結果，與傳統的去噪濾波方法相比，小波神經網絡處理的地磅稱重信號可以達到更理想的波形，獲得更準確的稱重結果，稱重結果與實際值的誤差在±2%以內。通過將自動車號識別系統與局域網（LAN）和遠程控制相結合，對火力發電廠軌道衡稱重系統進行了技術改造，以提高軌道衡稱重數據的準確性，提高工作效率，減輕負責稱重和測量的工人的勞動強度，減少了人工記錄車次的誤差，加強了煤炭質量和數量的控制和管理，最終無線遙控器實現了軌道衡自助服務。