智能自动化革命工业现场总线的强大驱动力探索其在仪器仪表中的应用之下
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广泛应用于传感器测量中。通过软件实现信号滤波，如快速傅立叶变换、小波变换等技术，是简化硬件提高信噪比的有效途径，但需要确定传感器动态数学模型。而神经网络技术可实现高性能自相关滤波和自适应滤波，充分利用人工神经网络强有力的自学习能力，无论实时性或适用性都超过复杂函数式。
然而，在实时与非实时、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，此时提取融合特征直至最终决策，将成为难点。因此，神经网络或模糊逻辑将成为最佳选择。例如，在混合气体识别中，可采用自组织映射网络和BP网络相结合；食品味觉信号检测可使用小波变换和遗传算法训练过的模糊神经网络。
虚拟仪器结构设计中的智能自动化手段也取得了显著成果。在VXI即插即用的总线标准基础上，不仅保持了原有编程接口，而且使得驱动代码可以人机交互下生成，便于用户使用维护。此外，还能实现多线程安全运行、高效仿真功能，以及区分不同接口总线方式。
在仪器仪表网络化中，由于灵活调用各资源特性，可产生组合优势。在Web连接数字万用表示波器上，可通过模式识别软件区别条件特征并作出响应；分布式数据采集系统可跨越网实施远程测量存储，并分类应用。此外，可同时监控同一过程多个用户，从而提高生产效率减少错误风险。
随着智能重构信息处理技术的发展，即便是通用计算机速度数百倍以上，也能提供极致性能。而未来预计，将会更加深入融合光电束流物性、新材料智能以及生物DNA芯片的人脑机制，以达到更高效能动优势，最终为人类社会生产力创造新天地，使生活向幸福美好的明天迈进！
