在分散系统的不同仪器仪表中，采用微处理器、微型芯片技术设计模糊控制程序，并设置各种测量数据的临界值。利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。这一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，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。

特别是在传感器测量中，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、短时傅立叶变换、小波变换等技术，是简化硬件并提高信噪比的一种有效途径，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大的自学习、自适应、自组织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的各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靠结论。

其中实时与非实时快变与缓变模糊与确定性的数据信息可能相互支持也可能相互矛盾，此时对象特征提取融合直至最终决策作出正确判断，将成为难点。因此神经网络或模糊逻辑将成为最值得选用的方法。在气体传感阵列用于混合气体识别信号处理方法上，可采用自组织映射网络和BP网络相结合分类再识别组分，将传统全程拟合转化为分段拟合以降低算法复杂度提高识别率。

如食品味觉信号检测识别难度曾一度是研究开发单位主要障碍所在，如今可利用小波变换进行数据压缩特征提取，然后将数据输入遗传算法训练过的模糊神经网络，大大提高了对简单复合味识别率。在布匹面料质量评定柔性操作手触觉信号处理机器故障诊断领域智能自动化技术也取得了大量成功实例。

(2)虚拟仪器结构设计中的应用

仪器与测量技术计算机技术结合，不仅大幅提升了测量精确度智能自动化水平，更尤其是在计算机硬件软化软件模块化虚拟仪器迅猛发展及其与网路系统资源程序统一优化性能配置，为仪器智能水平迅速提高创造了越来越优越条件。

在虚拟仪制结构设计中，原先由厂家以源代码形式提供智能虚拟驱动而直接向用户提供即插即用的驱动，即使简化最终用户使用操作开发过程但仍然存在编程效率运行效率编程质量编程灵活性等问题，因此相关厂家基于VXI即插即用标准基础上制定了一套新的智能驾驶规范，在虚构设备性能上进行下述多方面改进：

首先考虑兼顾用户直观易用尽可能提升运行效率保持原有VXI总线接口格式功能函数调用格式相同；其次运用最新Labwindows/CVI 5.0内建工具基础上使IVI驱动代码可以通过人机交互作用生成，这样既简便大量编程工作又统一驱动代码结构风格方便不同水平用户使用维护；再次应用一系列手法识别跟踪管理所有状态设置使用户能直接进入所有低层设置且能够根据需要切换“测试开发”“正常运行”两种模式下完成状态检查发现错误切到“正常运行”模式高速运行保证安全可靠同时投入高速运行保证软件随时间尽可能提升其效率。此外还能实现多线程安全并行测试仿真功能无连接实际情况下进行开发测试；最后初始化函数In it with Options区分接口总线地域异用显示出深远影响对整个工业发展促进全面地统一。

(3)儀表網絡中的應用

隨著儀表與計算機組成網路，即可發揮靈活調動與合理配置網內各種計算機與儀表各資源特質潛力產生1+1>2組合同優勢例如目前已能通過因特網連結數字萬用表示波擴展模式識別軟體區別時空條件類型並測臨界值進行決策；同樣分布式資料采集系統代替過去單獨使用設備跨越以太網或其他實施遠端測量資料存儲應用。而對於異常現象主管員工程技術人員質監人員均能同時監控從而共同完成複雜任務甚至未來將進一步整合創新技術開創更多可能性解放後勤支持服務業態變革持續推動社會發展進步之旅！