一 智能科技全面振興

　　當今的智能科技分支林立，蓬勃興旺，在國內外已獲得了飛速發展，諸如模糊邏輯、遺傳算法、神經網絡、專家系統、仿人智能、粗糙集理論、物元可拓方法、知識工程、模式識別、定性控制、小波分析、分形幾何、混沌控制、數據融合技術等等，真可謂是八仙過海，各顯神通。其各有所長，分別組合，取長補短，相得益彰。

　　人工神經網絡是當今智能科技中的基礎技術，它的連接機制與人工智能的符號推理機制并列，成為智能科技的兩大陣營。它模擬人腦的解剖生理學特征，用許多并行的簡單神經元，以一定的拓撲結構連結成網，既接受外界信息，又相互刺激，更擅長于分布存儲，聯想記憶，反饋求精，黑箱映射，權值平衡，動態逼近，全息存錄，容錯防失，加之以神經元巨量互連，形成強大的自學習、自適應、自組織、自診斷、自修復能力，其網絡節點間權值強度不斷反饋，動態分析，與語言、視聽人機接口的密切配合，可自動獲取人類專家豐富的知識與經驗，并模擬人腦的邏輯推理、形象思維以至靈感突現，恰如其分地處理各種不準確、不完善、不確定的信息，推理得出正確結論。

　　模糊邏輯模仿人腦的不確定性概念判斷、推理思維方式，對于模型未知或不能確定的描述系統，以及強非線性、大滯后的控制對象，應用模糊集合和模糊規則進行推理，表達過渡性界限或定性知識經驗，模擬人腦方式，實行模糊綜合判斷，推理解決常規方法難于對付的規則型模糊信息問題。模糊邏輯善于表達界限不清晰的定性知識與經驗，它借助于隸屬度函數概念，區分模糊集合，處理模糊關系，模擬人腦實施規則型推理，解決因“排中律”的邏輯破缺產生的種種不確定問題。

　　遺傳算法是一種以“電子束搜索”特點抑制搜索空間的計算量爆炸的搜索方法，它能以解空間的多點充分搜索，運用基因算法，反復交叉，以突變方式的操作，模擬事物內部多樣性和對環境變化的高度適應性，其特點是操作性強，并能同時避免陷入局部極小點，使問題快速地全局收斂，是一類能將多個信息全局利用的自律分散系統。運用遺傳算法（GA）等進化方法制成的可進化硬件（EHW），可產生超出現有模型的技術綜合及設計者能力的新穎電路，特別是GA獨特的全局優化性能，使其自學習、自適應、自組織、自進化能力獲得更充分的發揮，為在無人空間場所進行自動綜合、擴展大規模并行處理（MPP）以及實時、靈活地配置、調用基于EPGA的函數級EHW，解決多維空間中不確定性的復雜問題開通了航向。

　　專家系統是收集應用人類專家的知識和經驗，模仿專家處理知識和解決問題的方法，編制成計算機智能軟件系統，在通過人機結合不斷獲得反饋信息的情況下，實時在線地對規則、事例和模型實行獨立決策的一種問題求解或控制系統。這種計算機智能系統具有啟發性、透明性和靈活性，在不受時間、空間和環境影響情況下，高效率、準確無誤、周密全面、迅速不疲倦地完成工作，其解決問題能力和知識的廣博性可超過人類專家，又克服了人類專家因疏忽、遺忘、緊張、疲倦等干擾因素造成的偏差和錯誤，因而其推廣、應用具有巨大的經濟和社會效益。

　　模式識別是模擬人腦形象思維，根據事物的特征、形象或關系，辨識、判定和處理事物的一種智能決策方法和技術，它廣泛應用于科研生產中，是一種具有重大價值的技術方法。

　　粗糙集理論則是在離散歸一化處理其在測量中所得的數據集合，通過基于集合元素的不可分辨關系的代數運算，利用條件與結果屬性中的大量有用特征、有效數據發現知識，在決策規則的初步簡化計算中取得核值，然后進一步簡化規則并根據問題要求選取最小決策算法給予實際應用，去除大量信息中的多余屬性，降低信息空間的維數和屬性數量。它可大大簡化網絡結構和樣本數量，縮短訓練時間，是智能科技中一種具有根本意義的分析方法。這種方法是基于測量數據集而獲取知識的，故對虛擬儀器的智能化發展具有重大意義。

　　混沌運動是確定性系統中局限于有限相空間的高度不穩定運動，是無序中的有序，它使事物在長時間的行為中顯示出表面上的某種混亂。混沌現象的特征是“非周期背后隱藏的有序性”以及“對初始條件的敏感依賴性”，充分利用混沌特征，在智能信息處理中實施非線性決策和預測、非線性系統辨識、模式識別、圖像數據壓縮、高性能保密、多目標搜索，以及無限豐富、精彩絕倫的計算機繪畫等種種神奇應用。

　　分形理論研究非線性系統產生的不光滑和不可微的幾何形體及其內在結構的比例自相似性，為研究掌握自然界一切復雜事物的運動變化規律提供了強有力的工具和方法。

　　小波分析是現代分析數學這棵大樹的主干和最完美的結晶。從形象直觀上看，小波是指人們可以觀察到的最短、最簡單的正負相同、具有衰減性的振蕩波；而從數學上說，小波函數f（t）是具有其中心三個條件的窗口函數，它既能刻劃信號在時域和頻域的局部化特性，又能完全保留信號的全部信息，而且具有變焦距性質，即對于只在瞬間出現的高頻信號具有很窄的時間窗口，而在低頻段又具有很寬的不同尺度的變換。小波分析的實質是反映事物世界的波粒二重性以及局部與整體多層次展現的辯證關系，其最吸引人的特點就在于時頻定位和多尺度近似能力，在自適應控制、魯棒控制、非線性控制、過程辨識、神經網絡等眾多領域都取得了豐碩的成果。

　　分形與混沌是本質上一致的兩個方面。混沌事件在不同的時間表現出相似的變化模式，而分形則是在空間標度下表現的相似性。混沌所關注的是其復雜的不穩、發散、收斂的過程，而分形則是刻畫混沌運動的直觀的幾何語言。混沌、分形和小波分析的有機結合有著極豐富的內涵和深刻的哲理，它必將為材料分子自動組裝、高速基因測序及高效蛋白質結構預測等重大的精微科技難題的解決提供強有力的工具，也將為儀器儀表的虛擬化、網絡化和智能化開拓出光輝前景。

　　物元可拓方法是在多種已知的一般決策的比較和優選的基礎上，根據各層次、各階段產生的不相容的矛盾問題的需要，進而突破常規地、拓展性地采取創造性決策技巧，抓住關鍵策略，最大限度地滿足主系統、不相容的矛盾轉化為相容關系，從而實現全局性最佳決策目標。它是在復雜系統中化解次要矛盾，解決主要矛盾和關鍵性難題的有力手段，也將會對儀器儀表的虛擬化、網絡化和智能化的發展進程作出重大貢獻。

　　數據融合技術是對多信息源測得的數據，根據其在整個系統的重要性和可信度分配以不同的權值比重，綜合計算出該特征屬性總體最優化表征值的一種技術方法。它是一種對復雜事物屬性的優化測量和表征技術，對高技術開發研究具有極重要的意義。

　　總之，當今世界的智能科技正在飛速、全面地向前發展。

　　二 智能科技在儀器儀表及測量中的應用

　　智能自動化技術的應用正在全面滲入到儀器儀表工業。

　　（1）在儀器儀表結構、性能改進中的應用

　　首先，智能自動化技術為儀器儀表與測量的相關領域的應用開辟了廣闊的前景。運用智能化軟硬件，使每臺儀器或儀表能隨時準確地分析、處理當前的和以前的數據信息，恰當地從低、中、高不同層次上對測量過程進行抽象，以提高現有測量系統的性能和效率，擴展傳統測量系統的功能，如運用神經網絡、遺傳算法、進化計算、混沌控制等智能技術，使儀器儀表實現高速、高效、多功能、高機動靈活等性能。

　　其次，也可在分散系統的不同儀器儀表中采用微處理器、微控制器等微型芯片技術，設計模糊控制程序，設置各種測量數據的臨界值，運用模糊規則的模糊推理技術，對事物的各種模糊關系進行各種類型的模糊決策。其優勢在于不必建立被控對象的數學模型，也不需大量的測試數據，只需根據經驗，總結合適的控制規則，應用芯片的離線計算、現場調試，按我們的需要和精確度產生準確的分析和準時的控制動作。

　　特別是在傳感器測量中，智能自動化技術的應用更為廣泛。用軟件實現信號濾波，如快速傅立葉變換、短時傅立葉變換、小波變換等技術，是簡化硬件，提高信噪比，改善傳感器動態特性的有效途徑，但需要確定傳感器的動態數學模型，而且高階濾波器的實時性較差。運用神經網絡技術，可實現高性能的自相關濾波和自適應濾波。充分利用人工神經網絡技術強有力的自學習、自適應、自組織能力，聯想、記憶功能以及對非線性復雜關系的輸入、輸出間的黑箱映射特性，無論在適用性和快速實時性等各方面都將大大超過復雜函數式，可充分利用多傳感器資源，綜合獲取更準確、更可信的結論。其中實時與非實時的、快變與緩變的、模糊和確定性的數據信息，可能相互支持，也可能相互矛盾，此時，對象特征的提取、融合，直至最終決策，作出正確的判斷，將成為難點。于是神經網絡或模糊邏輯將成為最值得選用的方法。例如，氣體傳感陣列用于混合氣體識別，在信號處理方法上可采用自組織映射網絡和BP網絡相結合，先進行分類，再識別組分，將傳統方法的全程擬合轉化為分段擬合，以降低算法的復雜度，提高識別率。又如，食品味覺信號的檢測和識別的難度，曾一度是研究與開發單位的主要障礙所在。如今可利用小波變換進行數據壓縮和特征提取，然后將數據輸入用遺傳算法訓練過的模糊神經網絡，則大大提高了對簡單復合味的識別率。再如，在布匹面料質量的評定，柔性操作手對觸覺信號的處理，機器的故障診斷領域，智能自動化技術也都取得了大量的成功實例。

　　（2）在虛擬儀器結構設計中的應用

　　儀器與測量技術和計算機技術的結合，不但大大提高了測量精確度與智能自動化水平，特別是計算機的硬件軟化和軟件模塊化的虛擬儀器的迅猛發展，以及其與網絡化系統資源程序的統一和優化性能配置，為儀器儀表的智能化水平的迅速提高，創造了越來越優越的條件。

　　在儀器儀表結構設計中，儀器廠家過去都是以源代碼形式向用戶提供智能虛擬儀器即插即用的儀器驅動器，為了簡化最終用戶的使用操作與開發過程，不斷提高運行效率，以及編程質量和編程靈活性，相關儀器廠家在VXI即插即用的總線儀器驅動器標準的基礎上作出了一套新的智能化儀器驅動軟件規范，在虛擬儀器結構與性能上進行了下述多方面改進。

　　首先，考慮要兼顧用戶的直觀、易用與盡可能提高運行效率，并保持原來VXI總線即插即用標準的高層編程接口，以提供相同的功能函數調用格式。

　　其次，在最新Labwindows/CVI 5.0內建的開發工具基礎上，運用智能化手段，使智能虛擬儀器（IVI）的儀器驅動器代碼，可以在人機交互作用下自動生成，這樣既簡化了大量編程工作量，又統一了驅動器代碼的編程結構和風格，還大大方便了不同水平用戶的使用和維護。

　　再次，應用一系列智能手法，識別、跟蹤和管理所有各種儀器狀態和設置，使用戶能直接進入所有低層設置，并通過智能狀態管理，使用戶可根據需要，在“測試開發”和“正常運行”兩種模式之間隨意切換。在“測試開發”模式下，驅動器可智能自動化地完成一系列狀態檢查，以幫助發現各種編程錯誤。當程序調試正常投入使用后，用戶即可切換到“正常運行”模式，以使驅動軟件高速運行。這樣既保證了儀器的安全性和可靠性，又可使軟件隨時投入高速運行，盡可能提高其運行效率。

　　另外，也由于采用了各種智能化方法，使驅動器可實現多線程同時安全運行，進行多線程并行測試；同時，驅動器還具有強大的仿真功能，可以在不連接實際儀器的情況下，開發測試程序。

　　最后一個特點是驅動器運行只與測試功能相關，而與儀器采用的接口總線方式無關，只通過一個初始化函數In it with OptiONs來區分儀器接口總線和地域的異用。

　　總之，由于虛擬儀器采用了一系列智能自動化手段，徹底改變了以往VXI總線即插即用標準儀器驅動器的運行效率低，編程的結構、風格不一致，編程困難，質量低，工作量大，使用、維護麻煩等等一系列缺陷，從而在高效、高質量、安全可靠、使用方便、靈活的條件下實現全面地統一運行，顯示出智能自動化技術對虛擬儀器以至整個儀器儀表工業高速發展的深遠影響。

　　（3）儀器儀表網絡化中的應用

　　由于儀器與計算機一旦組成網絡，即可憑借智能化軟硬件（諸如模式識別、神經網絡的自學習、自適應、自組織和聯想記憶功能），充分發揮靈活調用和合理配置網上各種計算機和儀器儀表的各自資源特性和潛力，產生1+1》2的組合優勢。例如，目前已可使用連接到Web 的數字萬用表和示波器，通過因特網和模式識別軟件區別不同的時空條件和儀器儀表的類別特征以及測出臨界值，作出不同的特征響應；也可使用分布式數據采集系統代替過去單獨使用的數據采集設備，以至可跨越以太網或其他網絡，實施遠程測量和采集數據，并進行分類的存儲和應用。

　　網絡化的智能測量環境將網上各種類型，不同任務的計算機和儀器儀表有機地聯系在一起，完成各種形式的任務要求，如在某地采集數據后送往各種需要這些數據的地方，把相同數據按需拷貝多份，送往各需要部門；或者定期將測量結果送往遠方數據庫保存，供需要時隨時調用。而多個用戶可同時對同一過程進行監控，例如各部門工程技術人員、質量監控人員以及主管領導人員可同時分別在相距遙遠的各地監測、控制同一生產運輸過程，不必親臨現場而又能及時收集各方面數據，進行決策或建立數據庫，分析現象規律。一旦發生問題，可立即展現眼前或重新配置，或即時商討決策，立即采取相應措施。

　　另外，智能重構信息處理技術也將為儀器儀表創造更廣闊的活動舞臺。結合了計算機與專用集成電路（ASIC）優點的可重構計算機，不僅要根據不同的計算任務對大量的可編程邏輯單元陣列（FPGA）作出靈活的相應配置，其指令級、比特級、流水線級以至任務級的并行計算，使其運行速度達到通用計算機的數百倍以上。

　　綜上所述，隨著智能自動化技術應用的日益深入及應用范圍與規模的不斷擴大，我國的儀器儀表產業的發展水平必將快速邁向更高階段。