智能在仪器仪表及测量中的应用的应用正在面渗入到仪器仪表工业。

（1）在仪器仪表结构、性能改进中的应用

先，智能自动化为仪器仪表与测量的相关领域的应用开辟了广阔的前景。运用智能化软硬件，使每台仪器或仪表能**准确地分析、处理当前的和以前的数据信息，恰当地从低、中、高不同层次上对测量过程进行抽象，以提高现有测量系统的性能和效率，扩展**测量系统的功能，如运用神经网络、遗传算法、进化计算、混沌控制等智能，使仪器仪表实现高速、**、多功能、高机动灵活等性能。

其次，也可在分散系统的不同仪器仪表中采用微处理器、微控制器等微型芯片，设计模糊控制程序，设置**测量数据的临界值，运用模糊规则的模糊推理，对事物的**模糊关系进行**类型的模糊决策。其优势在于不建立被控对象的数学模型，也**大量的测试数据，只需根据经验，总结合适的控制规则，应用芯片的离线计算、现场调试，按我们的需要和度产生准确的分析和准时的控制动作。

**是在传感器测量中，智能自动化的应用*为**。用软件实现信号滤波，如快速傅立叶变换、短时傅立叶变换、小波变换等，是简化硬件，提高信噪比，改善传感器动态特性的**途径，但需要确定传感器的动态数学模型，而且高阶滤波器的实时性较差。运用神经网络，可实现***的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、自适应、自组织能力，联想、记忆功能以及对非线性复杂关系的输入、输出间的黑箱映射特性，*论在适用性和快速实时性等各方面都将**超过复杂函数式，可充分利用多传感器资源，综合获取*准确、*可信的结论。其中实时与非实时的、快变与缓变的、模糊和确定性的数据信息，可能相互支持，也可能相互矛盾，此时，对象特征的提取、融合，直至终决策，作出正确的判断，将成为难点。于是神经网络或模糊逻辑将成为值得选用的方法。例如，气体传感阵列用于混合气体识别，在信号处理方法上可采用自组织映射网络和BP网络相结合，行分类，再识别组分，将**方法的程拟合转化为分段拟合，以降低算法的复杂度，提高识别率。又如，食品味觉信号的检测和识别的难度，曾一度是研究与开发单位的主要障碍所在。如今可利用小波变换进行数据压缩和特征提取，然后将数据输入用遗传算法训练过的模糊神经网络，则**提高了对简单复合味的识别率。再如，在布匹面料的*定，柔性*作手对触觉信号的处理，机器的故障诊断领域，智能自动化也都取得了大量的成功实例。

（2）在虚拟仪器结构设计中的应用

仪器与测量和计算机的结合，不但**提高了测量度与智能自动化水平，**是计算机的硬件软化和软件?？榛男槟庖瞧鞯难该头⒄?，以及其与网络化系统资源程序的统一和优化性能配置，为仪器仪表的智能化水平的迅速提高，创造了越来越**的条件。

在仪器仪表结构设计中，仪器厂家过去都是以源代码形式向用户提供智能虚拟仪器即插即用的仪器驱动器，为了简化终用户的使用*作与开发过程，不断提高运行效率，以及编程和编程灵活性，相关仪器厂家在VXI即插即用的总线仪器驱动器标准的基础上作出了一套新的智能化仪器驱动软件规范，在虚拟仪器结构与性能上进行了下述多方面改进。

先，考虑要兼顾用户的直观、易用与尽可能提高运行效率，并保持原来VXI总线即插即用标准的高层编程接口，以提供相同的功能函数调用格式。

其次，在Labwindows/CVI5.0内建的开发工具基础上，运用智能化手段，使智能虚拟仪器（IVI）的仪器驱动器代码，可以在人机交互作用下自动生成，这样既简化了大量编程工作量，又统一了驱动器代码的编程结构和风格，还**方便了不同水平用户的使用和维护。

再次，应用一系列智能手法，识别、跟踪和管理**仪器状态和设置，使用户能直接进入低层设置，并通过智能状态管理，使用户可根据需要，在“测试开发”和“正常运行”两种模式之间**切换。在“测试开发”模式下，驱动器可智能自动化地完成一系列状态检查，以帮助发现**编程错误。当程序调试正常投入使用后，用户即可切换到“正常运行”模式，以使驱动软件高速运行。这样既了仪器的性和性，又可使软件**投入高速运行，尽可能提高其运行效率。

另外，也由于采用了**智能化方法，使驱动器可实现多线程同时运行，进行多线程并行测试;同时，驱动器还具有**的仿真功能，可以在不连接实际仪器的情况下，开发测试程序。信息请登陆:输配电设备网

后一个特点是驱动器运行只与测试功能相关，而与仪器采用的接口总线方式*关，只通过一个初始化函数InitwithOptions来区分仪器接口总线和地域的异用。

总之，由于虚拟仪器采用了一系列智能自动化手段，**改变了以往VXI总线即插即用标准仪器驱动器的运行效率低，编程的结构、风格不**，编程困难，低，工作量大，使用、维护麻烦等等一系列缺陷，从而在**、高、、使用方便、灵活的条件下实现面地统一运行，显示出智能自动化对虚拟仪器以至整个仪器仪表工业高速发展的深远影响。

（3）仪器仪表网络化中的应用

由于仪器与计算机一旦组成网络，即可凭借智能化软硬件（诸如模式识别、神经网络的自学习、自适应、自组织和联想记忆功能），充分发挥灵活调用和合理配置网上**计算机和仪器仪表的各自资源特性和潜力，产生1+1>2的组合优势。例如，目前已可使用连接到Web的数字**表和示波器，通过因特网和模式识别软件区别不同的时空条件和仪器仪表的类别特征以及测出临界值，作出不同的特征响应;也可使用分布式数据采集系统代替过去单*使用的数据采集设备，以至可跨越以太网或其他网络，实施远程测量和采集数据，并进行分类的存储和应用。

网络化的智能测量环境将网上**类型，不同任务的计算机和仪器仪表有机地联系在一起，完成**形式的任务要求，如在某地采集数据后送往**需要这些数据的地方，把相同数据按需拷贝多份，送往各需要部门;或者定期将测量结果送往远方数据库保存，供需要时**调用。而多个用户可同时对同一过程进行监控，例如各部门工程人员、监控人员以及主管人员可同时分别在相距遥远的各地监测、控制同一生产运输过程，不亲临现场而又能及时收集各方面数据，进行决策或建立数据库，分析现象规律。一旦发生问题，可立即展现眼前或重新配置，或即时商讨决策，立即采取相应措施。

另外，智能重构信息处理也将为仪器仪表创造*广阔的活动舞台。结合了计算机与集成电路（ASIC）优点的可重构计算机，不仅要根据不同的计算任务对大量的可编程逻辑单元阵列（FPGA）作出灵活的相应配置，其指令、比特、流水线以至任务的并行计算，使其运行速度达到**计算机的数百倍以上。

综上所述，随着智能自动化应用的日益深入及应用范围与规模的不断扩大，我国的仪器仪表产业的发展水平将快速迈向*高阶段。

出处：维库开发网