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。利用模糊规则的模糊推理技术，我们可以对事物的各种模糊关系进行各种类型的模糊决策。这一方法的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，只需根据经验来设计合适的控制规则，然后应用芯片进行离线计算和现场调试，以产生符合需求和精度要求的心智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加广泛。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，可以简化硬件设计，提高信噪比并改善传感器动态特性。但是，这些高级滤波器在实时性方面存在挑战。运用神经网络技术，可以实现高性能自相关滤波和自适应滤波。我们充分利用人工神经网络强大的自学习、自适应、自组织能力以及联想记忆功能，以及对非线性复杂关系输入输出之间黑箱映射特性的优点，无论从适用性还是快速实时性的角度，都将大大超过复杂函数式。此外，还可以利用多传感器资源综合获取更准确可靠结论。在处理实时与非实时快慢变化明确定义数据信息的时候，其中可能相互支持也可能相互矛盾，此时，对象特征提取融合直至最终决策，将成为难点。在此情形下，神经网络或模糊逻辑将成为最佳选择。例如，在混合气体识别上，可采用自组织映射网络与BP网络结合；又如，在食品味觉信号检测识别上，可使用小波变换进行数据压缩提取，然后输入遗传算法训练过的模糊神经网络，从而提高了对简单复合味识别率。

(2) 在虚拟仪器结构设计中的应用

结合了仪器与测量技术以及计算机技术，不仅提升了测量精确度智能自动化水平，而且尤其是计算机硬件软化与软件模块化虚拟仪器迅猛发展及其与网络系统资源统一优化性能配置，为提升仪器智能自动化水平提供了越来越好的条件。

在虚拟仪制结构性能改进方面，考虑兼顾用户直观易用同时提高运行效率保持原VXI总线即插即用标准高层编程接口提供相同功能函数调用格式以供不同用户使用。此外，还运用最新Labwindows/CVI 5.0内建开发工具基础上使智能虚拟仪（IVI）代码能在人机交互作用下生成，便于不同水平用户操作维护。而且，由于采纳了一系列手段，使驱动代码能够识别跟踪管理所有状态设置，同时允许直接进入低层设置切换两种模式“测试开发”“正常运行”随意切换用于发现编程错误后切换到“正常运行”模式以保证安全可靠同时高速运行。此外，该驱动还有多线程安全并行测试仿真功能可不连接实际设备开发测试程序。此外，该驱动只依赖初始化函数区分接口总线方式无关仅通过一个初始化函数区分地域异用的总线方式显示出该智能自动化手段改变以前VXI标准缺陷全面统一运行展现深远影响。

(3) 儀表網絡中的應用

由于儀表與計算機組成網路，即可借助於智能軟硬體（如模式識別、神經網絡之類），發揮靈活調用的優勢並合理配置網上的各種計算機與儀表資源與潛力產生1+1>2之益處。例如目前已能通過因特网連結數位萬用電池與示波速運行指令級比特級流水線級甚至任務級並行計算速度超過一般電腦。此外還有分布式數據采集系統代替單獨數據采集設備實現遠端測試跨越以太網或其他網絡進行資料傳輸存儲應用。

整個smart測量環境將不同類型不同的任務為主體連接起來完成各種形式任務要求同時也能跨距遙遠地監控同一過程由工程技術人員質保人員管理員監視同一個生產運輸過程無需親臨現場即時收集各方資料進行決策或建立庫存分析現象規律。一旦發生問題即時顯示眼前重新配置商討決策立即採取措施展開這樣一個虛擬世界每個人都能隨著時代進步同步更新自己的知識技能從而達到持續創新永續發展的一致目標。