现场总线大师智能自动化与仪器仪表的无缝对话下
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。
特别是在传感器测量中，智能自动化技术应用广泛。软件实现信号滤波，如快速傅立叶变换、小波变换等，是简化硬件、高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且高阶滤波实时性较差。神经网络技术可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自学习、自适应能力以及非线性复杂关系映射特性，无论在使用性与实时性方面都超过复杂函数式。
面对实时与非实时、快变与缓变、模糊与确定性的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决策将成为难点。神经网络或模糊逻辑将成为最优选择方法，如气体传感阵列用于混合气体识别，可结合自组织映射网络和BP网络提高识别率；食品味觉信号检测可利用小波变焦压缩特征提取，然后输入遗传算法训练过的模糊神经网络提高简单复合味识别率。
虚拟仪器结构设计中的智能自动化手段改变了以往VXI总线即插即用的运行效率低、编程结构不一致等缺陷，使得驱动软件具有高效、高质量、安全可靠、使用方便的条件。在Labwindows/CVI 5.0内建开发工具基础上，可通过智能化手段生成驱动代码，便于用户使用维护。此外，还可以实现多线程安全运行仿真功能，以及区分接口总线方式初始化函数，以达到统一运行并解决问题。
仪器仪表网络化中的智能自动化使得各类计算机设备有机联系完成各种任务，如远程测量采集跨越不同的网路保存，并供需要部门调用，同时允许多个用户监控同一过程，不必亲临现场而能及时收集数据进行决策，或立即展现眼前配置调整。如果发生问题，可立即采取措施。此外，将结合计算机专用集成电路（ASIC）优点的重构计算机，使其运行速度达到通用计算机数百倍以上，为未来发展奠定基础。
