其次，我们还可以在分散系统的各个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，并设定各种测量数据的临界值。利用模糊规则进行模糊推理，对事物的各种模糊关系进行不同类型的模糊决策。这种方法优势在于不需要建立被控对象的数学模型，也无需大量测试数据，只需根据经验和合适的控制规则，就能通过芯片进行离线计算和现场调试，以我们的需求和精确度产生准确分析和及时控制动作。

特别是在传感器测量领域，智能自动化技术应用更为广泛。软件实现信号滤波，如快速傅立叶变换、短时傅立叶变换、小波变是简化硬件、高效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。这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，无论在适用性与快速实时性等方面都将大大超过复杂函数式，可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。于是神经网络或模糊逻辑将成为最值得选用的方法。例如气体传感阵列用于混合气体识别，在信号处理上可采用自组织映射网络与BP网络相结合，先分类再识别组分，将全程拟合转化为分段拟合以降低算法复杂度提高识别率。此外食品味觉信号检测认知难度曾一度研究开发单位主要障碍所在，如今可利用小波压缩提取，然后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。

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案例。在虚拟仪器结构设计中，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器迅猛发展及其与网

... (继续文本)