智能自动化fieldbus总线驱动的仪器仪表革命下
在分散系统的各个仪器和传感器中，智能自动化技术通过微处理器、微型芯片等手段，实现模糊控制与决策。这种方法不需要建立复杂的数学模型，只需依据经验设定控制规则，并利用离线计算和现场调试功能，以达到准确分析和及时控制的目的。此外，在传感器测量领域，智能自动化技术尤为重要。软件实现信号滤波，如快速傅立叶变换、短时傅立叶变换、小波变式等，是简化硬件设计、提高信噪比并改善动态特性的有效途径。不过，这些方法往往需要确定传感器的动态数学模型，而且高阶滤波器实时性较差。
神经网络技术则能够实现高性能自相关滤波和自适应滤波。它充分利用了人工神经网络强大的自学习、自适应和自组织能力，以及联想记忆功能，对非线性复杂关系进行输入输出映射，无论在应用范围还是实时性方面都显著超过了复杂函数式。此外，它还能充分利用多传感器资源，综合获取更准确可靠的数据。在处理对象特征提取融合到最终决策过程中，神经网络或模糊逻辑将成为关键选择。这一点可以通过结合自组织映射网络与BP网络来识别混合气体，或使用遗传算法训练过的模糊神经网络来检测食品味觉信号。
虚拟仪表结构设计中的应用也受益于智能自动化。通过结合计算机硬件软化与软件模块化，不仅提高了测量精度且大幅提升了智能自动化水平。在VXI即插即用的总线标准基础上，一系列新型智能驱动软件规范被制定以优化虚拟仪表结构性能。此前Labwindows/CVI 5.0内建开发工具用于生成代码，使用户无需编写大量程序，便能享受到统一编程接口、高效运行以及维护便利。
此外，由于采用了一系列智能手段，可实现多线程同时安全运行，同时具有强大的仿真功能，可以在未连接实际仪器的情况下进行测试。而驱动程序初始化只需区分接口总线方式，无需关注地域异用问题，从而彻底改变了以往VXI总线标准下的缺陷，如低效率、高质量需求难以满足等。
最后，在仪器仪表网状系统中，通过模式识别、神经网络等手段，可以实现灵活调用各种计算机资源，为用户提供1+1>2组合优势。例如，可以远程监控生产过程，并对同一数据进行分类存储，或是跨越不同区域进行数据采集共享。这不仅增强了信息处理能力，也促进了决策速度与质量之提升。
未来随着光电束流材料科学发展，将会有更多的人脑机制与生物DNA芯片相结合，与电子光子计算速度无机智能相结合，使得材料获得更多智慧，从而共同推进人类社会生产力不断向前迈进，为人们创造更加幸福美好的生活环境。