1.一种车载称重自动标定的方法，其特征在于，包括如下步骤：
s1：获取不同车辆状态下的车辆的车桥部位安装的应变计的数值，并从所述应变计的数值中提取特征向量构建标定数据库；
s2：根据所述特征向量采用梯度树提升的方法识别出车辆运行状态；
s3：从所述应变计的选择至少3个组成应变计组合；
s4：根据所述应变计组合中对应的应变计的数值，建立所述应变计的数值与货物的重量的映射关系；确定所述映射关系的标定系数。
2.如权利要求1所述的车载称重自动标定的方法，其特征在于，步骤s4之后还包括如下步骤：
根据3σ原则将所述货物的重量的误差在
其中，σ是所述货物的重量的误差的标准差，
3.如权利要求1所述的车载称重自动标定的方法，其特征在于，所述车辆的不同状态包括车辆静止、车辆上货、车辆运行和车辆下货。
4.如权利要求3所述的车载称重自动标定的方法，其特征在于，获取所述车辆的不同状态分别对应的至少30个应变计的数值；
建立所述映射关系中所述应变计的数值为车辆上货或车辆下货状态下的数值。
5.如权利要求4所述的车载称重自动标定的方法，其特征在于，所述特征向量包括一阶差分和斜率；
获取所述一阶差分包括如下步骤：
将一个时刻下所述应变计的数值求平均得到平均值
获得平均值
其中，j是第j个应变计，n是应变计的总个数，xj是第j个应变计的数值；
获取所述斜率包括如下步骤：
在车辆静止状态下，选取一个时刻的平均值作为基点α0，记下一个时刻的平均值α1的斜率为δ10＝(α1-α0)/1，记第m个时刻的斜率δm0＝(αm-α0)/m,其中m＞0。
6.如权利要求5所述的车载称重自动标定的方法，其特征在于，识别出车辆运行状态包括：
其中，m表示树的个数，x表示提取的应变计的数据,θm表示第m颗决策树的参数，t(x，θm)表示决策树，fm(x)表示车辆状态的识别结果；
fm(x)＝fm-1(x)+t(x，θm)
通过经验风险极小化确定下一棵树的参数：
lo表示梯度损失函数，即求取使得残差最小时的参数值。
7.如权利要求4所述的车载称重自动标定的方法，其特征在于，步骤s1之后还包括：
在车辆上货状态或车辆下货状态时，每个所述应变计的数值在上货或下货前后的差值。
8.如权利要求7所述的车载称重自动标定的方法，其特征在于，所述应变计组合为均方误差最小的组合，所述均方误差表示预测值与真实值之间的一个差异程度，表达方式如下：
其中，yi表示第i个应变计的数值对应的重量真实值，
9.如权利要求1所述的车载称重自动标定的方法，其特征在于，线性回归模型为：
y＝w1x1+…+w2x2+wnxn
其中，wi表示第i个应变计的权重，i＝i,2,…,n,n是应变计的总数，xi表示第i个应变计的数值。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-9任一所述方法的步骤。