磁梯度张量系统（MGTS）二维平面网格测量常用于磁性目标识别，但其测量难度大、采集效率低、仪器精度要求高，为此提出一种基于MGTS单航线测量的磁性目标模式识别方法。首先，对磁梯度张量分量、特征值、不变量等15个属性量进行磁化方向敏感程度分析，其中对磁化方向较敏感特征量用以识别目标姿态，而不敏感特征量用以识别目标形状；然后，进行MGTS单航线测量，提取测量特征量的时域信号波形特征参数，并设置相应类别标签，主成分分析（PCA）降维方法用以实现特征可视化并确定最佳特征维数；最后，利用麻雀搜索算法优化的核极限学习机（SSA-KELM）对航线测量样本数据进行训练和测试，最终实现磁性目标的模式识别。仿真中对磁偶极子的不同磁化方向类别和球体、长方体和圆柱体等几何体的不同形状类别的识别精度均达到100%；实验中针对3种形状磁铁及其3类姿态共测量了180条学习航线，在6：4的训练测试比下，磁铁姿态和形状识别结果完全准确。

针对光纤布拉格光栅（Fiber Bragg Grating， FBG）流量温度复合传感耦合干扰严重的问题，以小型探针式FBG流量温度复合传感器为研究对象，提出了基于哈里斯鹰算法优化核极限学习机（Harris Hawks Optimizer algorithm Optimized Kernel Extreme Learning Machine， HHO-KELM）的解耦算法。首先，设计了以空心圆柱悬臂梁为受力载体的小型探针式FBG流量温度复合传感器，揭示了该传感器波长漂移量与流量温度的映射关系；然后，构建实验系统进行了流量温度复合传感实验，分析了流量温度耦合特征；最后，利用哈里斯鹰算法优化核极限学习机，获取核极限学习机的最优正则化系数和核函数参数组合，建立了HHO-KELM算法流量温度解耦模型，解耦后流量在2~30 m³/h内，流量平均误差为0.038 m³/h，均方误差为1.91×10^-3 m³/h，温度平均误差为0.027 ℃，均方误差为1.03×10^-3 ℃。为验证解耦效果，将HHO-KELM算法与BP算法、ELM算法的解耦结果进行对比。实验结果表明：HHO-KELM算法具有较好的解耦精度和解耦效率，能够有效降低流量温度耦合干扰，提高了传感器的测量精度和稳定性，可实现流量温度的实时动态解耦。