智能自动化新篇章揭秘Can总线七大故障重塑仪器仪表应用下
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数据信息可能相互支持或相互矛盾，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。在气体传感阵列用于混合气体识别上，可采用自组织映射网络和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。而食品味觉信号检测与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，然后输入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识别率。
再如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) 在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，不仅提升了测量精确度智能自动化水平尤其是计算机硬件软化软件模块化虚拟仪子的迅猛发展及其与网絡系统资源程序优化性能配置，为仪表智能水平迅速提升创造越来越优越条件。
(3) 仪表網絡中的應用
由于儀表與計算機組成網絡，即可借助於智能軟硬件（模式識別神經網路之類），充分發揮靈活調用與合理配置網上各種計算機儀表資源特點與潛力，產生1+1>2組合作優勢。例如已能使用連接到Web 的數字萬用計示頻測試板通過因特网區別不同的時空條件與儀標類型特色進行臨界值測出作出不同特色響應；也能使用分布式數據采集系統代替過去單獨使用數據采集設備，以至跨越以太網或其他網絡實施遠端測量並進行資料存儲應用。
整體而言隨著技術進步，我國儀表工業將會迎來新的發展階段。我們預期未來幾年內將會有更多創新技術融入現有的自動控制系統中，這些新技術包括但不限於人工智慧、大數據分析、高性能電腦等。此外，我們還期待見到傳統製造業領域對於綠色科技持續投資，這將為我們提供一個更加清潔健康環境同時保持競爭力的雙重利益。我們相信這些努力最終將導致一個更加包容且繁榮社會，其中每個人都能夠從這個轉型過程中受益匪淺。
