其次，也可在分散系統的不同儀器儀表中采用微處理器、微控制器等微型芯片技術，設計模糊控制程序，設置各種測量數據的臨界值，運用模糊規則的模糊推理技術，對事物的各種模糊關系進行各種類型的模糊決策。其優勢在于不必建立被控對象的數學模型，也不需大量的測試數據，只需根據經驗，總結合適的控制規則，應用芯片的離線計算、現場調試，按我們的需要和精確度產生準確的分析和準時的控制動作。

   特別是在傳感器測量中，智能自動化技術的應用更為廣泛。用軟件實現信號濾波，如快速傅立葉變換、短時傅立葉變換、小波變換等技術，是簡化硬件，提高信噪比，改善傳感器動態特性的有效途徑，但需要確定傳感器的動態數學模型，而且高階濾波器的實時性較差。運用神經網絡技術，可實現高性能的自相關濾波和自適應濾波。充分利用人工神經網絡技術強有力的自學習、自適應、自組織能力，聯想、記憶功能以及對非線性復雜關系的輸入、輸出間的黑箱映射特性，無論在適用性和快速實時性等各方面都將大大超過復雜函數式，可充分利用多傳感器資源，綜合獲取更準確、更可信的結論。其中實時與非實時的、快變與緩變的、模糊和確定性的數據信息，可能相互支持，也可能相互矛盾，此時，對象特征的提取、融合，直至最終決策，作出正確的判斷，將成為難點。于是神經網絡或模糊邏輯將成為最值得選用的方法。例如，氣體傳感陣列用于混合氣體識別，在信號處理方法上可采用自組織映射網絡和BP網絡相結合，先進行分類，再識別組分，將傳統方法的全程擬合轉化為分段擬合，以降低算法的復雜度，提高識別率。又如，食品味覺信號的檢測和識別的難度，曾一度是研究與開發單位的主要障礙所在。如今可利用小波變換進行數據壓縮和特征提取，然后將數據輸入用遺傳算法訓練過的模糊神經網絡，則大大提高了對簡單復合味的識別率。再如，在布匹面料質量的評定，柔性*作手對觸覺信號的處理，機器的故障診斷領域，智能自動化技術也都取得了大量的成功實例。

（原標題：智能自動化技術在儀器儀表與測量中應用前景）

（來源：五金商貿網）