其次，可以在分散系统的不同仪器仪表中采用微处理器、微等微型芯片技术，设计模糊控制程序，设置各种测量数据的临界值，并运用模糊规则的模糊推理技术，对事物的各种模糊关系进行各种类型的模糊决策。这种优势在于不必建立被控对象的数学模型，也不需大量测试数据，只需根据经验总结合适控制规则，并应用芯片离线计算和现场调试，以便生成符合需求和精确度分析以及及时控制动作。

特别是在传感器测量中，智能自动化技术应用更为广泛。通过软件实现信号滤波，如快速傅立叶变换、短时傅立叶变换、小波变成等技术，是简化硬件并提高信噪比，同时改善传感器动态特性。但是，这需要确定传感器动态数学模型，而且高阶滤波器实时性较差。运用神经网络技术，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大的自学习、自适应、自组织能力，以及联想记忆功能，以及对非线性复杂关系输入输出间黑箱映射特性，无论在适用性和快速实时性的各方面都将大大超过复杂函数式，还能充分利用多传感器资源综合获取更准确可靠结论。在实时与非实时快变与缓变模糊确定性的数据信息相互支持或矛盾的情况下，将成为难点，因此神经网络或模糊逻辑将成为最值得选用的方法。

例如，在气体传感阵列用于混合气体识别上，可采用自组织映射网络和BP网络相结合，先进行分类再识别组分，将传统方法全程拟合转化为分段拟合，以降低算法复杂度提高识别率。此外，在食品味觉信号检测与识别领域，一直是研究与开发单位主要障碍所在，但如今可利用小波变换进行数据压缩特征提取，然后将数据输入遗传算法训练过的模糊神经网络，则大大提高了对简单复合味道的识别率。而在布匹面料质量评定柔性操作手触觉信号处理机器故障诊断领域，智能自动化也取得了大量成功实例。

(2) 在虚拟仪器结构设计中的应用

仪器与测量技术计算机技术结合，不但提升了测量精确度智能自动化水平尤其是在计算机硬件软化软件模块化虚拟仪器迅猛发展及其与网路系统资源程序优化性能配置，为仪器智能水平高速增长创造越来越优越条件。

(3) 仪器设备网络中的应用

由于仪表组成网，即可凭借智能软硬件（诸如模式识别神经网络自学习、自适应、自组织联想记忆功能）发挥灵活调用合理配置网上各类计算机设备资源潜力产生1+1>2效果。例如，现在已能使用连接到Web数字万用表示波管通过因特网模式识别软件区分不同时间条件及类似特征以测临界值作出响应；也可以使用分布式数据采集代替过去单独采集设备跨越以太网实施远程测量采集并分类存储。此外，每种类型任务多个用户同时监控同一过程，如工程部门人员质检人员主管员可分别监视生产运输过程，不必亲临现场而又能即刻收集所有方面数据进行决策建立数据库分析现象规律。一旦问题发生，可立即展现眼前重新配置商讨决策立即采取措施。

最后，由于采用了一系列智能自动手段，使驱动者运行只涉及测试功能且无需考虑接口总线方式仅通过一个初始化函数区分接口总线方式地域异用，从而改变了以往VXI标准编程困难工作效率低质量差使用维护麻烦缺陷全面统一运行显示出深远影响对于整个工业高速发展。在未来随着新科技不断融入我国会迈向更高阶段产业发展速度飞速增加进入更加繁荣时代！