智能自动化，犹如一位精通多种技能的艺人，在仪器仪表的舞台上展现无穷魅力。其应用不仅涉及can总线故障的解决之道，还需在分散系统中融合微处理器与微型芯片技术，以设计模糊控制程序和设置测量数据的临界值。通过模糊规则进行推理，对各种模糊关系进行决策，这种优势在于不必建立被控对象的数学模型，也无需大量测试数据，只需根据经验制定控制规则，并利用芯片实现离线计算、现场调试。

特别是在传感器测量领域，智能自动化技术以软件形式实现信号滤波，如快速傅立叶变换、短时傅立叶变换、小波变越等技术，是简化硬件、高效提升信噪比和改善动态特性的有效途径，但需要确定传感器动态数学模型，并面对高阶滤波器实时性较差的问题。神经网络技术，则能实现高性能自相关滤波和自适应滤波，充分利用其强大的自学习、自适应能力以及非线性复杂关系映射特性，无论在适用性或实时性方面，都能超越复杂函数式，同时能够更好地利用多传感器资源，综合获取更准确可靠的结论。

然而，在处理实时与非实时、快变与缓变、模糊与确定性的数据信息过程中，我们可能会遇到矛盾甚至支持的情况。在此背景下，对象特征提取融合直至最终决策，将成为难点。而神经网络或模糊逻辑正成为最值得选用的方法之一。例如，在气体传感阵列用于混合气体识别中，可采用自组织映射网络和BP网络相结合；再如，在食品味觉信号检测识别领域，可利用小波变换配合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道的识别率。

虚拟仪器结构设计中的应用同样显著，不仅提升了测量精确度与智能自动化水平，而且促进了硬件软化和软件模块化，使得虚拟仪器即插即用，而编程质量灵活性也得到了提高。此外，最新Labwindows/CVI 5.0内建开发工具基础上，可以使用智能手段生成驱动代码，便于不同水平用户使用维护。此外，由于采用多线程安全运行功能，以及仿真功能，即使未连接实际仪器，也能进行开发测试。

最后，一些现代设备已经将其转移到网路环境中，这样的智能测量环境让各类计算机及其组件之间有机联系起来完成任务，比如远程监控采集数据并分类存储，或是跨越不同的网络实施远程操作。这一切都为我们提供了一种新的工作方式，让工程师们可以从任何地方监控生产过程并作出迅速反应，从而不断推进生产力水平。