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(shù)，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(shù)，對事物的各種模糊關(guān)系進(jìn)行各種類(lèi)型的模糊決策。其優(yōu)勢在于不必建立被控對象的數學(xué)模型，也不需大量的測試數據，只需根據經(jīng)驗，總結合適的控制規則，應用芯片的離線(xiàn)計算、現場(chǎng)調試，按我們的需要和精確度產(chǎn)生準確的分析和準時(shí)的控制動(dòng)作。

   特別是在傳感器測量中，智能自動(dòng)化技術(shù)的應用更為廣泛。用軟件實(shí)現信號濾波，如快速傅立葉變換、短時(shí)傅立葉變換、小波變換等技術(shù)，是簡(jiǎn)化硬件，提高信噪比，改善傳感器動(dòng)態(tài)特性的有效途徑，但需要確定傳感器的動(dòng)態(tài)數學(xué)模型，而且高階濾波器的實(shí)時(shí)性較差。運用神經(jīng)網(wǎng)絡(luò )技術(shù)，可實(shí)現高性能的自相關(guān)濾波和自適應濾波。充分利用人工神經(jīng)網(wǎng)絡(luò )技術(shù)強有力的自學(xué)習、自適應、自組織能力，聯(lián)想、記憶功能以及對非線(xiàn)性復雜關(guān)系的輸入、輸出間的黑箱映射特性，無(wú)論在適用性和快速實(shí)時(shí)性等各方面都將大大超過(guò)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(shí)時(shí)與非實(shí)時(shí)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(shí)，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(diǎn)。于是神經(jīng)網(wǎng)絡(luò )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(wǎng)絡(luò )和BP網(wǎng)絡(luò )相結合，先進(jìn)行分類(lèi)，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(jué)信號的檢測和識別的難度，曾一度是研究與開(kāi)發(fā)單位的主要障礙所在。如今可利用小波變換進(jìn)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(guò)的模糊神經(jīng)網(wǎng)絡(luò )，則大大提高了對簡(jiǎn)單復合味的識別率。再如，在布匹面料質(zhì)量的評定，柔性*作手對觸覺(jué)信號的處理，機器的故障診斷領(lǐng)域，智能自動(dòng)化技術(shù)也都取得了大量的成功實(shí)例。

（原標題：智能自動(dòng)化技術(shù)在儀器儀表與測量中應用前景）

（來(lái)源：五金商貿網(wǎng)）