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)計模糊控制程序，設(shè)置各種測量數(shù)據(jù)的臨界值，運用模糊規(guī)則的模糊推理技術(shù)，對事物的各種模糊關(guān)系進行各種類型的模糊決策。其優(yōu)勢在于不必建立被控對象的數(shù)學模型，也不需大量的測試數(shù)據(jù)，只需根據(jù)經(jīng)驗，總結(jié)合適的控制規(guī)則，應(yīng)用芯片的離線計算、現(xiàn)場調(diào)試，按我們的需要和精確度產(chǎn)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(shù)的應(yīng)用更為廣泛。用軟件實現(xiàn)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(shù)，是簡化硬件，提高信噪比，改善傳感器動態(tài)特性的有效途徑，但需要確定傳感器的動態(tài)數(shù)學模型，而且高階濾波器的實時性較差。運用神經(jīng)網(wǎng)絡(luò)技術(shù)，可實現(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)強有力的自學習、自適應(yīng)、自組織能力，聯(lián)想、記憶功能以及對非線性復(fù)雜關(guān)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(fù)雜函數(shù)式，可充分利用多傳感器資源，綜合獲取更準確、更可信的結(jié)論。

其中，實時與非實時的、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，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(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別，在信號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，先進行分類，再識別組分，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，提高識別率。