其次，也可在分散系統(tǒng)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(shè)計(jì)模糊控制程序，設(shè)置各種測(cè)量數(shù)據(jù)的臨界值，運(yùn)用模糊規(guī)則的模糊推理技術(shù)，對(duì)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(shì)在于不必建立被控對(duì)象的數(shù)學(xué)模型，也不需大量的測(cè)試數(shù)據(jù)，只需根據(jù)經(jīng)驗(yàn)，總結(jié)合適的控制規(guī)則，應(yīng)用芯片的離線(xiàn)計(jì)算、現(xiàn)場(chǎng)調(diào)試，按我們的需要和精確度產(chǎn)生準(zhǔn)確的分析和準(zhǔn)時(shí)的控制動(dòng)作。

   特別是在傳感器測(cè)量中，智能自動(dòng)化技術(shù)的應(yīng)用更為廣泛。用軟件實(shí)現(xiàn)信號(hào)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(shù)學(xué)模型，而且高階濾波器的實(shí)時(shí)性較差。運(yùn)用神經(jīng)網(wǎng)絡(luò)技術(shù)，可實(shí)現(xiàn)高性能的自相關(guān)濾波和自適應(yīng)濾波。充分利用人工神經(jīng)網(wǎng)絡(luò)技術(shù)強(qiáng)有力的自學(xué)習(xí)、自適應(yīng)、自組織能力，聯(lián)想、記憶功能以及對(duì)非線(xiàn)性復(fù)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(fù)雜函數(shù)式，可充分利用多傳感器資源，綜合獲取更準(zhǔn)確、更可信的結(jié)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(shù)據(jù)信息，可能相互支持，也可能相互矛盾，此時(shí)，對(duì)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(shí)別，在信號(hào)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(jié)合，先進(jìn)行分類(lèi)，再識(shí)別組分，將傳統(tǒng)方法的全程擬合轉(zhuǎn)化為分段擬合，以降低算法的復(fù)雜度，提高識(shí)別率。又如，食品味覺(jué)信號(hào)的檢測(cè)和識(shí)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(shù)據(jù)壓縮和特征提取，然后將數(shù)據(jù)輸入用遺傳算法訓(xùn)練過(guò)的模糊神經(jīng)網(wǎng)絡(luò)，則大大提高了對(duì)簡(jiǎn)單復(fù)合味的識(shí)別率。再如，在布匹面料質(zhì)量的評(píng)定，柔性*作手對(duì)觸覺(jué)信號(hào)的處理，機(jī)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(biāo)題：智能自動(dòng)化技術(shù)在儀器儀表與測(cè)量中應(yīng)用前景）

（來(lái)源：五金商貿(mào)網(wǎng)）