智能自动化探秘揭秘仪器仪表中的Can总线通信奥秘下
在分散系统的不同仪器仪表中，采用微处理器、微型芯片技术设计模糊控制程序，设置测量数据临界值，运用模糊规则进行模糊推理，对各种关系进行决策。其优势在于无需建立被控对象数学模型或大量测试数据，只需根据经验设定合适的控制规则。应用芯片离线计算和现场调试，可以产生精确分析和及时控制动作。
智能自动化技术特别适用于传感器测量。在软件实现信号滤波方面，如快速傅立叶变换、短时傅立叶变换、小波变式等，是简化硬件提高信噪比，但需要确定传感器动态数学模型。神经网络技术可以实现高性能自相关滤波和自适应滤波，利用人工神经网络强大的学习能力，无论实时性还是复杂关系输入输出都能大幅超越复杂函数式。
然而，在面对实时与非实时、快变与缓变、模糊与确定性的数据信息相互支持或矛盾的情况下，提取融合至最终决策将成为难点。因此，神经网络或模糊逻辑成为了最值得选用的方法。在混合气体识别中，可采用自组织映射网络和BP网络结合；食品味觉信号检测可使用小波变换压缩特征，然后输入遗传算法训练过的模糊神经网络。此外，在布匹面料质量评定和机器故障诊断领域，也取得了成功实例。
虚拟仪器结构设计中的应用，则进一步推动了智能化水平的提升。在VXI即插即用标准基础上，一套新的智能化驱动软件规范被制定，以优化运行效率、高层编程接口保持兼容性，并通过Labwindows/CVI 5.0内建开发工具生成驱动代码，使用户更方便使用维护，同时保证安全可靠性。此外，还具有多线程安全运行、强大仿真功能以及区分接口总线方式初始化函数特点。
最后，在仪器仪表网络化中，可通过模式识别等智能手段使各类计算机资源得到最大发挥，而分布式数据采集系统则提供远程测量跨越网路实施，以满足不同任务需求。而多个用户同时监控同一过程，不仅能够收集各方面数据进行决策，而且可以迅速响应问题并调整配置。此外，将来随着重构信息处理技术的发展，将为仪器仪表创造更多可能性，从而促进我国产业发展迈向更高阶段。
