其次，可以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，将各种测量数据设定为临界值，并运用模糊推理技术，对事物的模糊关系进行决策。这种优势在于不必建立被控对象的数学模型，也无需大量测试数据，只需根据经验制定控制规则，然后利用芯片进行离线计算和现场调试，以实现精确分析和及时控制。特别是在传感器测量中，智能自动化技术应用广泛，如通过软件实现信号滤波，如快速傅立叶变换、小波变换等，这样可以简化硬件，提高信噪比，但需要确定动态数学模型，而且高阶滤波器实时性较差。神经网络技术可实现自相关和自适应滤波，它能够充分利用人工神经网络强大的自学习、自适应能力以及对非线性复杂关系的输入输出映射特性，无论在适用性或实时性能上都将大大超过复杂函数式。

然而，在处理实时与非实时、快变与缓变、模糊与确定性的数据信息时，可能会出现支持与矛盾的情况，此时对象特征提取融合直至决策成为难点。在此情况下，神经网络或模糊逻辑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中，可采用自组织映射网络结合BP网络分类再识别组分；食品味觉信号检测可利用小波变换压缩提取特征后输入遗传算法训练过的模糊神经网络提升识别率；布匹面料质量评定中的柔性操作手触觉信号处理也取得了成功。

(2) 在虚拟仪器结构设计中的应用

智能自动化技术使得仪器与测量技术和计算机技术相结合，大幅提高了测量精度和智能水平，加速了虚拟仪器发展，以及其与网络资源优化配置，为提高智能水平创造条件。

新一代IVI驱动软件规范考虑用户直观易用、高效运行，同时保持VXI标准编程接口，以提供相同功能调用格式。此外，还使用Labwindows/CVI 5.0内建开发工具基础上，使代码可以通过人机交互生成，便于编程工作量减少统一风格同时方便不同用户使用维护。此外，还有多线程安全运行仿真功能区分接口总线方式初始化区分地域异用等多方面改进。

(3) 仪器仪表网络化中的应用

由于连接到Web数字万用表示波器通过模式识别软件区别不同的时间条件类别特征作出响应；分布式数据采集系统跨越以太网实施远程监控存储应用；多个用户监控同一过程如工程人员质检人员主管员遥远监视生产运输过程即能收集各方数据进行决策或数据库分析。一旦问题发生立即显示眼前重新配置商讨决策采取措施。