为实现光折射率传感器小结构、高灵敏度的要求,根据表面等离极化激元的透射特性,提出了一种单挡板金属-介质-金属(MIM)波导耦合类云朵腔结构。此结构引用“腔中腔”的理念,在近场耦合作用下,类云朵腔所形成的较宽的连续态与金属挡板所形成的较窄的离散态经过干涉相长相消,可以产生三重不同模式的法诺共振。结合耦合模理论,对三重法诺共振的产生机理进行分析,并运用有限元分析法对此结构进行模拟仿真,定量分析了不同结构参数对折射率传感特性以及优质因子的影响。结果表明,三种共振模式的灵敏度分别为600,800,1083 nm/RIU,优质因子分别为5.08×10 ⁴、3.56×10 ⁵和1.17×10 ³。

为了实现复杂、恶劣环境下工程机械表面无损的应力监测方式，实现对大型工程机械的实时动态监测，提出了基于磁控溅射技术的光纤布拉格光栅(FBG)应力传感器封装方法。并对完全嵌套(整个栅区嵌套毛细铜管)和两端嵌套(栅区两端嵌套毛细铜管)两种封装方法开展了研究。从理论分析和有限元仿真的角度比较了传感器的增敏效果，前后结果一致。制备了传感器实物并进行了温度、应力和对比实验。仿真实验结果表明，该模型下FBG传感器能提高约7.5%的灵敏度。温度实验表明第二种封装结构的温度反馈相关系数R2达到了0.99948，在30 ℃?80 ℃范围内呈现良好的线性度；应力实验的相关系数R2也达到0.99924，灵敏度为6.14 pm/MPa，在该实验搭建的解调系统下精度达到0.05 MPa，可以快速、精确地解调应力。对比实验表明，光栅解调仪组成的监测系统比应变片组成的监测系统具有更高的精度，最大偏差值减小了59.8%。嵌套毛细铜管的金属化方式结合有机胶固定的封装结构简单、灵敏度和精度高，可以满足大型工程机械表面无损实时健康监测的需求。

提出了一种基于激光拉曼光谱和人工蜂群智能优化支持向量回归机(ABC-SVR)算法的快速定量检测三组分混和油中3种脂肪酸含量的方法。 该方法针对光谱数据信息与样本之间非线性、 高维度的关系, 建立了预测精度及建模效率均高于同类对比算法的数学模型, 同时避免了气相色谱法、 液相色谱法等对混合油脂肪酸含量的检测方式, 根据纯种油中3种脂肪酸含量的国际标准, 由油品配置体积得到脂肪酸质量, 有效降低了检测成本与实验复杂程度, 提高了检测工作的实用价值。 首先根据一定梯度配置66组混合油检测样品, 使用便携式拉曼光谱仪采集样本的拉曼光谱信息, 扣除背景噪声; 观察多组样本的拉曼光谱图可知, 由于官能团浓度的差异, 食用油的拉曼特征峰位移基本相同, 特征峰的峰值明显不同, 因此基于特征峰信息可以区分食用调和油的不同混合物; 其次对拉曼光谱做背景扣除、 光谱平滑、 最大值谱线归一化三步预处理, 以降低实验中不可控的外界因素及背景荧光的影响, 准确提取光谱特征峰强度信息; 然后根据纯种油中3种脂肪酸的国际标准含量, 结合国家食品法典委员会标准CODEX STAN210—1999《指定的植物油法典标准》中规定的纯种油密度中值, 由油品体积得到脂肪酸质量数; 随机选取56组样本数据作为训练集, 剩余10组样本数据作为预测集; 以训练集光谱特征峰强度和脂肪酸质量分别作为回归模型的输入及输出值, 建立SVR和PSO-SVR, ABC-SVR三种混合优化算法对比的定量分析模型, 对测试集的3种脂肪酸含量分别进行预测; 最后通过均方误差(MSE)、 相关系数(r)及建模时间(Elapsed time)分别进行对比, 建立数据表对模型精准度进行检验。 实验结果表明, 通过ABC-SVR定量分析模型效果最佳, 3种脂肪酸含量预测值与真实值的均方差分别为0.88×10-4, 16×10-4和8×10-4, 均低于0.002; 相关系数分别为93.43%, 99.65%和99.43%, 均高于93%; 预测时间(Elapsed time)分别为1.26, 2.42和2.14 s。 因此, 所提出的检测方法, 具备较高的精确度、 较快的建模时间, 且在理论上的类似条件下可适用于其他样品检测工作, 可为振动光谱学对食用油掺伪分析的进一步工作提供可行的理论依据。

提出了一种运用量子粒子群(quantum-behaved particle swarm optimization， QPSO)算法优化多输出最小二乘支持向量机（multi-output least squares support vector machine， MLSSVM）的新混合优化算法。 该算法结合激光拉曼光谱技术可实现对四组分食用调和油中花生油、 芝麻油、 葵花油和大豆油的快速定量鉴别。 采用基线校正去除背景荧光， 结合Savitzky-Golay Filters光谱平滑法对原始拉曼光谱进行预处理。 构建基于QPSO-MLSSVM混合优化算法的定量分析模型， 并采用20个组分组成的预测集对其进行模型校验。 实验结果表明， 基于QPSO-MLSSVM混合优化算法的定量分析模型对于四组分调和油的预测效果良好， 均方差(mean square error, MSE)为00241， 低于005， 各油分预测相关系数均高于98%。 研究结果充分表明, 应用激光拉曼光谱技术结合QPSO-MLSSVM算法， 对四组分调和油中各油分进行快速定量检测可行， 具备较强的自适应能力和良好的预测精度， 可以满足多组分调和油的成分鉴别。

受激布里渊散射会影响少模光纤传输系统中的信噪比、 传输距离与传输容量, 是影响传输系统入纤功率提高的重要因素。 对阶跃型少模光纤的受激布里渊散射谱的阈值进行了研究, 运用了布里渊散射谱、 模式联运谱的数学模型对少模光纤散射特性进行了分析, 探讨了少模光纤布里渊散射增益谱、 阈值增益系数, 以及光纤各参量对少模光纤阈值的影响。 分析结果表明: SI-10阶跃型少模光纤中存在五种不同的传播模式, 不同模式有各自的传输常数以及有效折射率, 各模式相互作用导致模式展宽、 增益降低, 且布里渊散射谱峰值增益系数为3.9×10-11 m·W-1。 阈值增益系数受到光纤传感距离的影响, 在相对较短距离传输中阈值急速下降, 且其趋势随长度增加渐趋平缓, 当光纤长度达到22 km时阈值增益系数趋于常数18.1。 少模光纤的阈值因光纤长度的递增而递减, 且递减趋势渐缓趋于常数20.5 dBm; 少模光纤不同模式受激布里渊散射的阈值也因光纤长度的递增而递减最终趋于常数, 且不同模式的阈值因模式阶数的递增而递增; 少模光纤的阈值随着光纤衰减系数和纤芯半径的递增而递增, 且增加趋势缓慢增大。 不同衰减系数的光纤其阈值在不同长度趋于常数, 衰减系数越大受激布里渊散射阈值越大越容易趋于一常数。

提出了一种利用混合蛙跳算法(SFLA)优化最小二乘支持向量机(LSSVM)算法的混合优化算法, 并将其应用到多峰Brillouin散射谱的特征提取中。SFLA-LSSVM混合优化算法利用SFLA对LSSVM算法中的惩罚因子C和核函数中的核宽度σ进行寻优, 避免了LSSVM算法陷入局部最优导致的Brillouin频移误差较大。通过对相同信噪比、不同线宽以及相同线宽、不同信噪比2种情况下的多峰Brillouin散射谱仿真分析以及实验验证, 拟合适应度为0.0067, 拟合度为99.99%, Brillouin频移误差为0.18 MHz。实验结果表明SFLA-LSSVM混合优化算法能够精确地对多峰Brillouin散射谱进行拟合, 同时该算法具有拟合精度高、均方误差小、运行速度快的特点, 为多峰Brillouin散射谱的特征提取提供了一种新方法。

为了解决在复杂电磁环境下大位移量的监测问题，实现对大型机械和工程结构健康安全状况的实时监测，设计了一种基于悬臂梁结构的可调量程拉绳式光纤布拉格光栅位移传感器。悬臂梁两侧对称粘贴了两个不同中心波长的光纤光栅，当悬臂梁自由端的位置发生变化时，两个光纤光栅分别受到拉力和压力，因此光栅的中心波长向相反方向漂移。通过对两个中心波长差值与位移量关系的标定，可以排除温度的影响，实现对位移量的测量。传感器采用了拉绳式的位移传递方式，使得传感器的安装位置及测量方式更加灵活；便于拆装的位移转换装置，可以方便地调整传感器的量程，使其具有更广泛的适用性。位移传感实验结果表明，在传感器量程为60 mm时，位移传感器的平均灵敏度为47.7 pm/mm，相关系数达到0.998，重复性误差为2.83% FS，迟滞误差为1.02% FS。该位移传感器具有结构简单、量程可调的特点，可以满足不同环境下的位移测量需求。

基于光纤布拉格光栅(FBG)构建的传感器网络, 将粒子群(PSO)算法与最小二乘支持向量机(LSSVM)相结合, 应用于304钢板损伤识别研究中。以FBG中心波长变化量的信息特征为输入量, 钢板结构损伤位置为输出量, 构建基于LSSVM的损伤识别预测模型, 并与相同条件下构建的反向传播(BP)神经网络预测模型进行对比验证。采用PSO算法优化LSSVM损伤识别模型的核函数参数σ和正则化参数γ, 实现钢板结构的损伤位置识别。在300 mm×300 mm×1 mm钢板实验区域, 对34组样本进行了损伤位置识别测试。结果表明, 33组损伤位置得到了准确识别, 准确率达97.06%。这表明PSO优化后的LSSVM的损伤识别预测模型具有自诊断功能。