在分散系统的不同仪器仪表中，采用微处理器、微型芯片技术，不仅可以设计模糊控制程序，并设置各种测量数据的临界值，还能运用模糊规则的模糊推理技术，对事物的各种模糊关系进行各种类型的模糊决策。这种优势在于不必建立被控对象的数学模型，也不需大量测试数据，只需根据经验总结合适的控制规则，然后应用芯片离线计算和现场调试，以产生准确分析和及时控制动作。

尤其是在传感器测量中，智能自动化技术应用更为广泛。通过软件实现信号滤波，如快速傅立叶变换、小波变换等技术，是简化硬件、提高信噪比、改善传感器动态特性的有效途径，但需要确定传感器动态数学模型，而且高阶滤波器实时性较差。运用神经网络技术，可实现高性能自相关滤波和自适应滤波。充分利用人工神经网络强有力的自学习、自适应能力，以及对非线性复杂关系输入输出间黑箱映射特性，无论在适用性和快速实时性方面都将大大超过复杂函数式，可以充分利用多传感器资源，综合获取更准确可信结论。

其中实时与非实时数据信息可能相互支持或矛盾，此时对象特征提取融合直至最终决策，将成为难点。于是神经网络或模糊逻辑将成为最值得选用的方法。例如，在气体传感阵列用于混合气体识别，可以采用自组织映射网络与BP网络相结合，先进行分类再识别组分，将传统方法全程拟合转化为分段拟合，以降低算法复杂度提高识别率。此外，在食品味觉信号检测与识别领域，用遗伝算法训练过的模糊神经网络，大大提高了对简单复合味道的识别率。

(2) 在虚拟仪器结构设计中的应用

虚拟仪器结构与性能上的改进主要包括以下几个方面：

首先，我们考虑要兼顾用户直观易用以及运行效率，同时保持原VXI总线即插即用标准高层编程接口以提供相同功能函数调用格式。

其次，我们运用智能手法使智能虚拟仪器（IVI）的驱动代码可以在人机交互作用下生成，这样既简化了大量编程工作，又统一了驱动代码编程结构风格，还方便了不同水平用户使用维护。

再次，我们应用一系列智能手法，使驱动者能够智能自动完成状态检查，以帮助发现编程错误。当程序调试正常投入使用后，可切换到“正常运行”模式，使软件高速运行保证安全可靠同时提高运行效率。此外，由于采用多线程并行测试和强大的仿真功能，可实现无需连接实际仪器开发测试程序。

最后，由于驱动者只与测试功能相关，与接口总线方式无关，只通过初始化函数区分接口总线及其地域异用配置，便实现了一种灵活、高效、高质量且安全可靠的人机交互式操作环境，从而彻底改变了以往VXI总线即插即用标准低效、编程困难等缺陷，为整个工业带来了巨大的变化力促进了一场全面统一运行革命性的飞跃。

(3) 仪器仪表网络化中的应用

随着各类设备组成网，即可发挥灵活调用配置网上各计算机资源潜力产生1+1>2组合作优势。在Web数字万用表示波管通过因特网模式识别软件区别不同的条件特征以及测出临界值作出响应；分布式数据采集系统代替单独设备跨越以太网实施远程测量存储分类应用。这是因为基于深度学习的大脑图像解读能力已经超越人类视觉认知，而现有的硬件又无法满足这些需求，所以我们需要新的解决方案来处理这些问题，比如借助AI加速光电束流速度提升至数百倍以上，更快地处理这类任务。而对于未来来说，这些新兴科技将会极大地增强我们的生产力，让我们更加容易获得信息，从而做出更好的决定，让世界变得更加美好！