智能自动化及其在仪器仪表制造中的应用

　　小波分析是现代分析数学这棵大树的主干和最完美的结晶。从形象直观上看，小波是指人们可以观察到的最短、最简单的正负相同、具有衰减性的振荡波;而从数学上说，小波函数f(t)是具有其中心三个条件的窗口函数，它既能刻划信号在时域和频域的局部化特性，又能完全保留信号的全部信息，而且具有变焦距性质，即对于只在瞬间出现的高频信号具有很窄的时间窗口，而在低频段又具有很宽的不同尺度的变换。小波分析的实质是反映事物世界的波粒二重性以及局部与整体多层次展现的辩证关系，其最吸引人的特点就在于时频定位和多尺度近似能力，在自适应控制、鲁棒控制、非线性控制、过程辨识、神经网络等众多领域都取得了丰硕的成果。
　　分形与混沌是本质上一致的两个方面。混沌事件在不同的时间表现出相似的变化模式，而分形则是在空间标度下表现的相似性。混沌所关注的是其复杂的不稳、发散、收敛的过程，而分形则是刻画混沌运动的直观的几何语言。混沌、分形和小波分析的有机结合有着极丰富的内涵和深刻的哲理，它必将为材料分子自动组装、高速基因测序及高效蛋白质结构预测等重大的精微科技难题的解决提供强有力的工具，也将为仪器仪表的虚拟化、网络化和智能化开拓出光辉前景。
　　物元可拓方法是在多种已知的一般决策的比较和优选的基础上，根据各层次、各阶段产生的不相容的矛盾问题的需要，进而突破常规地、拓展性地采取创造性决策技巧，抓住关键策略，最大限度地满足主系统、不相容的矛盾转化为相容关系，从而实现全局性最佳决策目标。它是在复杂系统中化解次要矛盾，解决主要矛盾和关键性难题的有力手段，也将会对仪器仪表的虚拟化、网络化和智能化的发展进程作出重大贡献。
　　数据融合技术是对多信息源测得的数据，根据其在整个系统的重要性和可信度分配以不同的权值比重，综合计算出该特征属性总体最优化表征值的一种技术方法。它是一种对复杂事物属性的优化测量和表征技术，对高技术开发研究具有极重要的意义。
　　总之，当今世界的智能科技正在飞速、全面地向前发展。
　　智能科技在仪器仪表及测量中的应用
　　智能自动化技术的应用正在全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
　　首先，智能自动化技术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随时准确地分析、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，扩展传统测量系统的功能，如运用神经网络、遗传算法、进化计算、混沌控制等智能技术，使仪器仪表实现高速、高效、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技术，设计模糊控制程序，设置各种测量数据的临界值，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。其优势在于不必建立被控对象的数学模型，也不需大量的测试数据，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，按我们的需要和精确度产生准确的分析和准时的控制动作。
　　特别是在传感器测量中，智能自动化技术的应用更为广泛。用软件实现信号滤波，如快速傅立叶变换、短时傅立叶变换、小波变换等技术，是简化硬件，提高信噪比，改善传感器动态特性的有效途径，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。运用神经网络技术，可实现高性能的自相关滤波和自适应滤波。充分利用人工神经网络技术强有力的自学习、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，无论在适用性和快速实时性等各方面都将大大超过复杂函数式，可充分利用多传感器资源，综合获取更准确、更可信的结论。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，直至最终决策，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最值得选用的方法。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，先进行分类，再识别组分，将传统方法的全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，则大大提高了对简单复合味的识别率。再如，在布匹面料质量的评定，柔性*作手对触觉信号的处理，机器的故障诊断领域，智能自动化技术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
　　仪器与测量技术和计算机技术的结合，不但大大提高了测量精确度与智能自动化水平，特别是计算机的硬件软化和软件模块化的虚拟仪器的迅猛发展，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，创造了越来越优越的条件。
　　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，为了简化最终用户的使用*作与开发过程，不断提高运行效率，以及编程质量和编程灵活性，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。
　　首先，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，在最新Labwindows/CVI 5.0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，还大大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、跟踪和管理所有各种仪器状态和设置，使用户能直接进入所有低层设置，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”两种模式之间随意切换。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，以帮助发现各种编程错误。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。这样既保证了仪器的安全性和可靠性，又可使软件随时投入高速运行，尽可能提高其运行效率。
　　另外，也由于采用了各种智能化方法，使驱动器可实现多线程同时安全运行，进行多线程并行测试;同时，驱动器还具有强大的仿真功能，可以在不连接实际仪器的情况下，开发测试程序。
　　最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无关，只通过一个初始化函数In it with Options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，彻底改变了以往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、风格不一致，编程困难，质量低，工作量大，使用、维护麻烦等等一系列缺陷，从而在高效、高质量、安全可靠、使用方便、灵活的条件下实现全面地统一运行，显示出智能自动化技术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各种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的数字万用表和示波器，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独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各种类型，不同任务的计算机和仪器仪表有机地联系在一起，完成各种形式的任务要求，如在某地采集数据后送往各种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，供需要时随时调用。而多个用户可同时对同一过程进行监控，例如各部门工程技术人员、质量监控人员以及主管领导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，不必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，智能重构信息处理技术也将为仪器仪表创造更广阔的活动舞台。结合了计算机与专用集成电路(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，其指令级、比特级、流水线级以至任务级的并行计算，使其运行速度达到通用计算机的数百倍以上。
　　综上所述，随着智能自动化技术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必将快速迈向更高阶段。
　　仪器仪表智能自动化的未来前景展望
　　智能科技在仪器仪表中的应用正日新月异地飞速发展，许多其他领域的新技术也不断融合进来。例如在充分发挥光电束流最高速物性的基础上，智能化日益趋向人脑化。积极地利用人脑机制与生物DNA芯片的有机智能，与电子，光子计算速度的无机智能的高效、能动优势相结合，并使材料智能化，进而与虚拟化交互作用，共同提高。当今又有光互连技术正以极高的时空带宽、极小的电磁干扰和较小的互连功耗等一系列独特的物理性能，克服了电互连技术物理上的本质极限，为动态、灵活、高速、实时地重构网络互连结构，大大提高并行处理能力，开创出一个全新天地。这更将为人类创造出形形色色、开放的人机结合系统，和五光十色的拟人高智能、高效自动化系统奠定牢固基础，从而将人类社会生产力不断推向新的更高境界，使人类生活向着智能世界幸福美好的明天大步迈进!
　　模糊逻辑模仿人脑的不确定性概念判断、推理思维方式，对于模型未知或不能确定的描述系统，以及强非线性、大滞后的控制对象，应用模糊集合和模糊规则进行推理，表达过渡性界限或定性知识经验，模拟人脑方式，实行模糊综合判断，推理解决常规方法难于对付的规则型模糊信息问题。模糊逻辑善于表达界限不清晰的定性知识与经验，它借助于隶属度函数概念，区分模糊集合，处理模糊关系，模拟人脑实施规则型推理，解决因“排中律”的逻辑破缺产生的种种不确定问题。
　　遗传算法是一种以“电子束搜索”特点抑制搜索空间的计算量爆炸的搜索方法，它能以解空间的多点充分搜索，运用基因算法，反复交叉，以突变方式的*作，模拟事物内部多样性和对环境变化的高度适应性，其特点是*作性强，并能同时避免陷入局部极小点，使问题快速地全局收敛，是一类能将多个信息全局利用的自律分散系统。运用遗传算法(GA)等进化方法制成的可进化硬件(EHW)，可产生超出现有模型的技术综合及设计者能力的新颖电路，特别是GA独特的全局优化性能，使其自学习、自适应、自组织、自进化能力获得更充分的发挥，为在无人空间场所进行自动综合、扩展大规模并行处理(MPP)以及实时、灵活地配置、调用基于EPGA的函数级EHW，解决多维空间中不确定性的复杂问题开通了航向。
　　模糊逻辑模仿人脑的不确定性概念判断、推理思维方式，对于模型未知或不能确定的描述系统，以及强非线性、大滞后的控制对象，应用模糊集合和模糊规则进行推理，表达过渡性界限或定性知识经验，模拟人脑方式，实行模糊综合判断，推理解决常规方法难于对付的规则型模糊信息问题。模糊逻辑善于表达界限不清晰的定性知识与经验，它借助于隶属度函数概念，区分模糊集合，处理模糊关系，模拟人脑实施规则型推理，解决因“排中律”的逻辑破缺产生的种种不确定问题。
　　遗传算法是一种以“电子束搜索”特点抑制搜索空间的计算量爆炸的搜索方法，它能以解空间的多点充分搜索，运用基因算法，反复交叉，以突变方式的*作，模拟事物内部多样性和对环境变化的高度适应性，其特点是*作性强，并能同时避免陷入局部极小点，使问题快速地全局收敛，是一类能将多个信息全局利用的自律分散系统。运用遗传算法(GA)等进化方法制成的可进化硬件(EHW)，可产生超出现有模型的技术综合及设计者能力的新颖电路，特别是GA独特的全局优化性能，使其自学习、自适应、自组织、自进化能力获得更充分的发挥，为在无人空间场所进行自动综合、扩展大规模并行处理(MPP)以及实时、灵活地配置、调用基于EPGA的函数级EHW，解决多维空间中不确定性的复杂问题开通了航向。
　　专家系统是收集应用人类专家的知识和经验，模仿专家处理知识和解决问题的方法，编制成计算机智能软件系统，在通过人机结合不断获得反馈信息的情况下，实时在线地对规则、事例和模型实行独立决策的一种问题求解或控制系统。这种计算机智能系统具有启发性、透明性和灵活性，在不受时间、空间和环境影响情况下，高效率、准确无误、周密全面、迅速不疲倦地完成工作，其解决问题能力和知识的广博性可超过人类专家，又克服了人类专家因疏忽、遗忘、紧张、疲倦等干扰因素造成的偏差和错误，因而其推广、应用具有巨大的经济和社会效益。
　　模式识别是模拟人脑形象思维，根据事物的特征、形象或关系，辨识、判定
　　粗糙集理论则是在离散归一化处理其在测量中所得的数据集合，通过基于集合元素的不可分辨关系的代数运算，利用条件与结果属性中的大量有用特征、有效数据发现知识，在决策规则的初步简化计算中取得核值，然后进一步简化规则并根据问题要求选取最小决策算法给予实际应用，去除大量信息中的多余属性，降低信息空间的维数和属性数量。它可大大简化网络结构和样本数量，缩短训练时间，是智能科技中一种具有根本意义的分析方法。这种方法是基于测量数据集而获取知识的，故对虚拟仪器的智能化发展具有重大意义。
　　混沌运动是确定性系统中局限于有限相空间的高度不稳定运动，是无序中的有序，它使事物在长时间的行为中显示出表面上的某种混乱。混沌现象的特征是“非周期背后隐藏的有序性”以及“对初始条件的敏感依赖性”，充分利用混沌特征，在智能信息处理中实施非线性决策和预测、非线性系统辨识、模式识别、图像数据压缩、高性能保密、多目标搜索，以及无限丰富、精彩绝伦的计算机绘画等种种神奇应用。
　　分形理论研究非线性系统产生的不光滑和不可微的几何形体及其内在结构的比例自相似性，为研究掌握自然界一切复杂事物的运动变化规律提供了强有力的工具和方法。