相比传统监测手段，光纤传感器具有灵敏度高、本质绝缘性高、抗电磁干扰能力强等优势，但基于光纤布拉格光栅的湿度传感器易受温度和应力影响，存在湿度测量误差大、稳定性差等问题。针对这些问题，提出了一种单光栅半涂覆温湿度传感器的制备方法。首先，在光栅的一半栅区上涂覆湿敏材料，另外一半栅区为裸光栅。然后，对裸光栅的反射光谱峰值曲线进行高斯拟合，建立环境温度与中心波长λ的函数关系。最后，分析了光栅反射光谱曲线和峰值功率围成的面积S与不同环境湿度的关系，建立面积S与环境相对湿度的函数模型，并采用温湿度发生器对传感器进行测试。实验结果表明，在10%RH~90%RH（%RH为相对湿度）范围内，该传感器具有较好的重复性，湿度监测灵敏度为2.95/%RH，响应时间为6.6 min，满足仓储等行业对温湿度的监测需求，为相关领域的温湿度监测提供了一种新的解决方案。

针对目前库尔勒香梨品质在线分级检测系统存在价格昂贵、 结构复杂等问题, 设计了库勒尔香梨内部品质在线无损检测分级系统。 基于该系统研究了不同移动速度(0.3和0.5 m·s-1)对库尔勒香梨的可溶性固形物含量(solid soluble contents, SSC)和硬度在线预测模型的影响。 不同移动速度下, 采集样品相同部位的信息, 所采集光谱存在差异。 由于采集的光谱存在差异性, 采用SG-平滑(Savitzky-Golay smooth)、 SG卷积导数、 多元散射校正(MSC)、 标准正态能量变换(SNV)、 归一化(Normalization)等多种光谱预处理方法进行处理, 基于偏最小二乘法(partial least squares, PLS), 建立移动速度为0.3 m·s-1 (S1)和0.5 m·s-1 (S2)下库尔勒香梨的SSC和硬度模型。 结果表明: 移动速度为0.5 m·s-1下, 采用SG-DER(Savitzky-Golay Derivative)处理光谱图建立SSC模型优于0.3 m·s-1, 其预测集相关系数和预测均方根误差为0.880 2和0.391 5°Bri。 而在移动速度为0.3 m·s-1下的结果, 采用SGS(Savitzky-Golay smooth)处理光谱图建立的SSC模型优于0.5 m·s-1下的结果, 其预测集相关系数和预测均方根误差分别为0.820 2和0.470 8 N。 后建立两个速度混合模型, 采用竞争性自适应重加权算法(competitive adaptive reweighted sampling, CARS)和连续投影算法(successive projections algorithm, SPA)筛选特征变量, 后采用PLS, 建立混合速度下硬度和SSC预测模型。 从建模效果来看SPA和CARS都可以有效减少建模所用变量数、 提高库尔勒香梨在线SSC和硬度检测模型的预测能力和运算速度, 增强模型的稳健性等。 采用CARS方法, 从501个光谱中筛选出24个变量, 建立了CARS-PLS模型, 建立的SSC模型较好, 其预测集相关系数和预测均方根误差分别为0.915 0和0.371 9°Bri。 采用SPA方法, 从501个光谱中筛选出32个变量, 建立硬度模型较好, 其预测集相关系数和预测均方根误差分别为0.821 0和0.492 0 N。 混合速度建立预测品质模型比单一速度建立模型稳健一些。 研究表明: 不同移动速度对建立果品品质预测模型产生不同影响, 该研究有助于果品品质在线分选提供技术支持。

综合考虑发射电子的发射能量、发射角度及微波场的相位分布等因素, 运用统计方法, 研究了介质表面单边次级电子倍增过程中次级电子数目、瞬时直流场、渡越时间、微波场的沉积功率等次级电子倍增特征物理量随碰撞次数的变化过程, 仿真分析了不同夹角、不同反射系数对次级电子倍增的影响。研究结果表明: 当倾斜直流场一定时, 微波场的反射系数越小, 雪崩击穿的延迟时间越长, 饱和状态下的次级电子数目越大; 微波场一定时, 当直流电场平行于介质板表面时, 直流电场幅值越大, 雪崩击穿的延迟时间越长, 饱和状态下的次级电子数目越大, 但当电场强度超过一定值时, 次级电子倍增现象不再发生, 当直流场垂直介质板表面, 直流电场幅值越大, 雪崩击穿的延迟时间越长, 饱和状态下的次级电子数目越小, 幅值超过一定值时, 次级电子倍增现象同样不会发生。