一 智能科技全面振興

　　當(dāng)今的智能科技分支林立，蓬勃興旺，在國(guó)內(nèi)外已獲得了飛速發(fā)展，諸如模糊邏輯、遺傳算法、神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)、仿人智能、粗糙集理論、物元可拓方法、知識(shí)工程、模式識(shí)別、定性控制、小波分析、分形幾何、混沌控制、數(shù)據(jù)融合技術(shù)等等，真可謂是八仙過(guò)海，各顯神通。其各有所長(zhǎng)，分別組合，取長(zhǎng)補(bǔ)短，相得益彰。

　　人工神經(jīng)網(wǎng)絡(luò)是當(dāng)今智能科技中的基礎(chǔ)技術(shù)，它的連接機(jī)制與人工智能的符號(hào)推理機(jī)制并列，成為智能科技的兩大陣營(yíng)。它模擬人腦的解剖生理學(xué)特征，用許多并行的簡(jiǎn)單神經(jīng)元，以一定的拓?fù)浣Y(jié)構(gòu)連結(jié)成網(wǎng)，既接受外界信息，又相互刺激，更擅長(zhǎng)于分布存儲(chǔ)，聯(lián)想記憶，反饋求精，黑箱映射，權(quán)值平衡，動(dòng)態(tài)逼近，全息存錄，容錯(cuò)防失，加之以神經(jīng)元巨量互連，形成強(qiáng)大的自學(xué)習(xí)、自適應(yīng)、自組織、自診斷、自修復(fù)能力，其網(wǎng)絡(luò)節(jié)點(diǎn)間權(quán)值強(qiáng)度不斷反饋，動(dòng)態(tài)分析，與語(yǔ)言、視聽(tīng)人機(jī)接口的密切配合，可自動(dòng)獲取人類專家豐富的知識(shí)與經(jīng)驗(yàn)，并模擬人腦的邏輯推理、形象思維以至靈感突現(xiàn)，恰如其分地處理各種不準(zhǔn)確、不完善、不確定的信息，推理得出正確結(jié)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(duì)于模型未知或不能確定的描述系統(tǒng)，以及強(qiáng)非線性、大滯后的控制對(duì)象，應(yīng)用模糊集合和模糊規(guī)則進(jìn)行推理，表達(dá)過(guò)渡性界限或定性知識(shí)經(jīng)驗(yàn)，模擬人腦方式，實(shí)行模糊綜合判斷，推理解決常規(guī)方法難于對(duì)付的規(guī)則型模糊信息問(wèn)題。模糊邏輯善于表達(dá)界限不清晰的定性知識(shí)與經(jīng)驗(yàn)，它借助于隸屬度函數(shù)概念，區(qū)分模糊集合，處理模糊關(guān)系，模擬人腦實(shí)施規(guī)則型推理，解決因“排中律”的邏輯破缺產(chǎn)生的種種不確定問(wèn)題。

　　遺傳算法是一種以“電子束搜索”特點(diǎn)抑制搜索空間的計(jì)算量爆炸的搜索方法，它能以解空間的多點(diǎn)充分搜索，運(yùn)用基因算法，反復(fù)交叉，以突變方式的操作，模擬事物內(nèi)部多樣性和對(duì)環(huán)境變化的高度適應(yīng)性，其特點(diǎn)是操作性強(qiáng)，并能同時(shí)避免陷入局部極小點(diǎn)，使問(wèn)題快速地全局收斂，是一類能將多個(gè)信息全局利用的自律分散系統(tǒng)。運(yùn)用遺傳算法（GA）等進(jìn)化方法制成的可進(jìn)化硬件（EHW），可產(chǎn)生超出現(xiàn)有模型的技術(shù)綜合及設(shè)計(jì)者能力的新穎電路，特別是GA獨(dú)特的全局優(yōu)化性能，使其自學(xué)習(xí)、自適應(yīng)、自組織、自進(jìn)化能力獲得更充分的發(fā)揮，為在無(wú)人空間場(chǎng)所進(jìn)行自動(dòng)綜合、擴(kuò)展大規(guī)模并行處理（MPP）以及實(shí)時(shí)、靈活地配置、調(diào)用基于EPGA的函數(shù)級(jí)EHW，解決多維空間中不確定性的復(fù)雜問(wèn)題開(kāi)通了航向。

　　專家系統(tǒng)是收集應(yīng)用人類專家的知識(shí)和經(jīng)驗(yàn)，模仿專家處理知識(shí)和解決問(wèn)題的方法，編制成計(jì)算機(jī)智能軟件系統(tǒng)，在通過(guò)人機(jī)結(jié)合不斷獲得反饋信息的情況下，實(shí)時(shí)在線地對(duì)規(guī)則、事例和模型實(shí)行獨(dú)立決策的一種問(wèn)題求解或控制系統(tǒng)。這種計(jì)算機(jī)智能系統(tǒng)具有啟發(fā)性、透明性和靈活性，在不受時(shí)間、空間和環(huán)境影響情況下，高效率、準(zhǔn)確無(wú)誤、周密全面、迅速不疲倦地完成工作，其解決問(wèn)題能力和知識(shí)的廣博性可超過(guò)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(cuò)誤，因而其推廣、應(yīng)用具有巨大的經(jīng)濟(jì)和社會(huì)效益。

　　模式識(shí)別是模擬人腦形象思維，根據(jù)事物的特征、形象或關(guān)系，辨識(shí)、判定和處理事物的一種智能決策方法和技術(shù)，它廣泛應(yīng)用于科研生產(chǎn)中，是一種具有重大價(jià)值的技術(shù)方法。

　　粗糙集理論則是在離散歸一化處理其在測(cè)量中所得的數(shù)據(jù)集合，通過(guò)基于集合元素的不可分辨關(guān)系的代數(shù)運(yùn)算，利用條件與結(jié)果屬性中的大量有用特征、有效數(shù)據(jù)發(fā)現(xiàn)知識(shí)，在決策規(guī)則的初步簡(jiǎn)化計(jì)算中取得核值，然后進(jìn)一步簡(jiǎn)化規(guī)則并根據(jù)問(wèn)題要求選取最小決策算法給予實(shí)際應(yīng)用，去除大量信息中的多余屬性，降低信息空間的維數(shù)和屬性數(shù)量。它可大大簡(jiǎn)化網(wǎng)絡(luò)結(jié)構(gòu)和樣本數(shù)量，縮短訓(xùn)練時(shí)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(cè)量數(shù)據(jù)集而獲取知識(shí)的，故對(duì)虛擬儀器的智能化發(fā)展具有重大意義。

　　混沌運(yùn)動(dòng)是確定性系統(tǒng)中局限于有限相空間的高度不穩(wěn)定運(yùn)動(dòng)，是無(wú)序中的有序，它使事物在長(zhǎng)時(shí)間的行為中顯示出表面上的某種混亂。混沌現(xiàn)象的特征是“非周期背后隱藏的有序性”以及“對(duì)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(shí)施非線性決策和預(yù)測(cè)、非線性系統(tǒng)辨識(shí)、模式識(shí)別、圖像數(shù)據(jù)壓縮、高性能保密、多目標(biāo)搜索，以及無(wú)限豐富、精彩絕倫的計(jì)算機(jī)繪畫(huà)等種種神奇應(yīng)用。

　　分形理論研究非線性系統(tǒng)產(chǎn)生的不光滑和不可微的幾何形體及其內(nèi)在結(jié)構(gòu)的比例自相似性，為研究掌握自然界一切復(fù)雜事物的運(yùn)動(dòng)變化規(guī)律提供了強(qiáng)有力的工具和方法。

　　小波分析是現(xiàn)代分析數(shù)學(xué)這棵大樹(shù)的主干和最完美的結(jié)晶。從形象直觀上看，小波是指人們可以觀察到的最短、最簡(jiǎn)單的正負(fù)相同、具有衰減性的振蕩波；而從數(shù)學(xué)上說(shuō)，小波函數(shù)f（t）是具有其中心三個(gè)條件的窗口函數(shù)，它既能刻劃信號(hào)在時(shí)域和頻域的局部化特性，又能完全保留信號(hào)的全部信息，而且具有變焦距性質(zhì)，即對(duì)于只在瞬間出現(xiàn)的高頻信號(hào)具有很窄的時(shí)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(shí)質(zhì)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(xiàn)的辯證關(guān)系，其最吸引人的特點(diǎn)就在于時(shí)頻定位和多尺度近似能力，在自適應(yīng)控制、魯棒控制、非線性控制、過(guò)程辨識(shí)、神經(jīng)網(wǎng)絡(luò)等眾多領(lǐng)域都取得了豐碩的成果。

　　分形與混沌是本質(zhì)上一致的兩個(gè)方面。混沌事件在不同的時(shí)間表現(xiàn)出相似的變化模式，而分形則是在空間標(biāo)度下表現(xiàn)的相似性。混沌所關(guān)注的是其復(fù)雜的不穩(wěn)、發(fā)散、收斂的過(guò)程，而分形則是刻畫(huà)混沌運(yùn)動(dòng)的直觀的幾何語(yǔ)言。混沌、分形和小波分析的有機(jī)結(jié)合有著極豐富的內(nèi)涵和深刻的哲理，它必將為材料分子自動(dòng)組裝、高速基因測(cè)序及高效蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)等重大的精微科技難題的解決提供強(qiáng)有力的工具，也將為儀器儀表的虛擬化、網(wǎng)絡(luò)化和智能化開(kāi)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(yōu)選的基礎(chǔ)上，根據(jù)各層次、各階段產(chǎn)生的不相容的矛盾問(wèn)題的需要，進(jìn)而突破常規(guī)地、拓展性地采取創(chuàng)造性決策技巧，抓住關(guān)鍵策略，最大限度地滿足主系統(tǒng)、不相容的矛盾轉(zhuǎn)化為相容關(guān)系，從而實(shí)現(xiàn)全局性最佳決策目標(biāo)。它是在復(fù)雜系統(tǒng)中化解次要矛盾，解決主要矛盾和關(guān)鍵性難題的有力手段，也將會(huì)對(duì)儀器儀表的虛擬化、網(wǎng)絡(luò)化和智能化的發(fā)展進(jìn)程作出重大貢獻(xiàn)。

　　數(shù)據(jù)融合技術(shù)是對(duì)多信息源測(cè)得的數(shù)據(jù)，根據(jù)其在整個(gè)系統(tǒng)的重要性和可信度分配以不同的權(quán)值比重，綜合計(jì)算出該特征屬性總體最優(yōu)化表征值的一種技術(shù)方法。它是一種對(duì)復(fù)雜事物屬性的優(yōu)化測(cè)量和表征技術(shù)，對(duì)高技術(shù)開(kāi)發(fā)研究具有極重要的意義。

　　總之，當(dāng)今世界的智能科技正在飛速、全面地向前發(fā)展。

　　二 智能科技在儀器儀表及測(cè)量中的應(yīng)用

　　智能自動(dòng)化技術(shù)的應(yīng)用正在全面滲入到儀器儀表工業(yè)。

　　（1）在儀器儀表結(jié)構(gòu)、性能改進(jìn)中的應(yīng)用

　　首先，智能自動(dòng)化技術(shù)為儀器儀表與測(cè)量的相關(guān)領(lǐng)域的應(yīng)用開(kāi)辟了廣闊的前景。運(yùn)用智能化軟硬件，使每臺(tái)儀器或儀表能隨時(shí)準(zhǔn)確地分析、處理當(dāng)前的和以前的數(shù)據(jù)信息，恰當(dāng)?shù)貜牡汀⒅小⒏卟煌瑢哟紊蠈?duì)測(cè)量過(guò)程進(jìn)行抽象，以提高現(xiàn)有測(cè)量系統(tǒng)的性能和效率，擴(kuò)展傳統(tǒng)測(cè)量系統(tǒng)的功能，如運(yùn)用神經(jīng)網(wǎng)絡(luò)、遺傳算法、進(jìn)化計(jì)算、混沌控制等智能技術(shù)，使儀器儀表實(shí)現(xiàn)高速、高效、多功能、高機(jī)動(dòng)靈活等性能。

　　其次，也可在分散系統(tǒng)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(shù)，設(shè)計(jì)模糊控制程序，設(shè)置各種測(cè)量數(shù)據(jù)的臨界值，運(yùn)用模糊規(guī)則的模糊推理技術(shù)，對(duì)事物的各種模糊關(guān)系進(jìn)行各種類型的模糊決策。其優(yōu)勢(shì)在于不必建立被控對(duì)象的數(shù)學(xué)模型，也不需大量的測(cè)試數(shù)據(jù)，只需根據(jù)經(jīng)驗(yàn)，總結(jié)合適的控制規(guī)則，應(yīng)用芯片的離線計(jì)算、現(xiàn)場(chǎng)調(diào)試，按我們的需要和精確度產(chǎn)生準(zhǔn)確的分析和準(zhǔn)時(shí)的控制動(dòng)作。

　　特別是在傳感器測(cè)量中，智能自動(dòng)化技術(shù)的應(yīng)用更為廣泛。用軟件實(shí)現(xiàn)信號(hào)濾波，如快速傅立葉變換、短時(shí)傅立葉變換、小波變換等技術(shù)，是簡(jiǎn)化硬件，提高信噪比，改善傳感器動(dòng)態(tài)特性的有效途徑，但需要確定傳感器的動(dòng)態(tài)數(shù)學(xué)模型，而且高階濾波器的實(shí)時(shí)性較差。運(yùn)用神經(jīng)網(wǎng)絡(luò)技術(shù)，可實(shí)現(xiàn)高性能的自相關(guān)濾波和自適應(yīng)濾波。充分利用人工神經(jīng)網(wǎng)絡(luò)技術(shù)強(qiáng)有力的自學(xué)習(xí)、自適應(yīng)、自組織能力，聯(lián)想、記憶功能以及對(duì)非線性復(fù)雜關(guān)系的輸入、輸出間的黑箱映射特性，無(wú)論在適用性和快速實(shí)時(shí)性等各方面都將大大超過(guò)復(fù)雜函數(shù)式，可充分利用多傳感器資源，綜合獲取更準(zhǔn)確、更可信的結(jié)論。其中實(shí)時(shí)與非實(shí)時(shí)的、快變與緩變的、模糊和確定性的數(shù)據(jù)信息，可能相互支持，也可能相互矛盾，此時(shí)，對(duì)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(diǎn)。于是神經(jīng)網(wǎng)絡(luò)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(shí)別，在信號(hào)處理方法上可采用自組織映射網(wǎng)絡(luò)和BP網(wǎng)絡(luò)相結(jié)合，先進(jìn)行分類，再識(shí)別組分，將傳統(tǒng)方法的全程擬合轉(zhuǎn)化為分段擬合，以降低算法的復(fù)雜度，提高識(shí)別率。又如，食品味覺(jué)信號(hào)的檢測(cè)和識(shí)別的難度，曾一度是研究與開(kāi)發(fā)單位的主要障礙所在。如今可利用小波變換進(jìn)行數(shù)據(jù)壓縮和特征提取，然后將數(shù)據(jù)輸入用遺傳算法訓(xùn)練過(guò)的模糊神經(jīng)網(wǎng)絡(luò)，則大大提高了對(duì)簡(jiǎn)單復(fù)合味的識(shí)別率。再如，在布匹面料質(zhì)量的評(píng)定，柔性操作手對(duì)觸覺(jué)信號(hào)的處理，機(jī)器的故障診斷領(lǐng)域，智能自動(dòng)化技術(shù)也都取得了大量的成功實(shí)例。