通过优化光纤布拉格光栅形状传感技术中传感点位置和补偿重构结果来提高薄层合金板三维形状重构精度。通过ANSYS workbench建立合金板仿真模型，提取应变和位移模态振型，根据模态置信准则、转换矩阵稳定性和模态振型相似性分别设计了三个目标函数，采用快速和精英机制的多目标遗传算法优化传感器位置。将镍钛合金板弯曲成不同曲率半径的弧形，利用光纤布拉格光栅中心波长漂移量和线性插值算法计算得出不同形状下的结构应变，重构合金板形状，均方根误差和最大误差相较于单目标优化算法分别减小30%和15%。利用粒子群优化径向基函数神经网络算法拟合误差与位移的关系实现误差补偿，均方根误差和最大误差比无补偿时分别减小了90%和70%，最大相对百分比误差仅为5%，提高了三维形状重构算法精度。

手术机器人可以通过术前路径规划避免重要组织受到损伤，且具有较高的操作精度，因而被广泛应用于穿刺活检手术之中。目前手术机器人在穿刺针形状信息准确实时获取方面存在不足，无法实现穿刺过程中自主避障以及精准的靶点操作。因此研究穿刺针形状感知方法，可为手术机器人自主/主从穿刺提供形状信息反馈，对于提高穿刺手术的安全性与准确性有着重大意义。鉴于此，提出了一种融合分布式光纤光栅传感技术和人工智能的形状自感知穿刺针。利用机器学习算法，对静态标定实验获取的不同弯曲状态下光纤光栅的中心波长数据与形状数据进行训练，得到了光纤光栅中心波长漂移量与形状函数及弯曲方向角之间的神经网络模型，进一步调用该神经网络模型，实现穿刺针的三维形状重构；测试结果表明，穿刺针针体的形状重构最大误差值为0.90 mm，弯曲方向角的最大误差为5.03°。在动态性能验证实验中，形状重构最大误差值为0.84 mm，弯曲方向角的最大误差为1.02°，进一步验证了模型的可靠性。因此所提出的形状自感知穿刺针能够精准实现形状信息的实时获取，从而在手术机器人自主穿刺和主从操作过程中针体形状感知与调控方面具有广阔的应用前景。

为提高柔性机构三维位形参数光纤测量精度，提出了基于曲率与角度校正的多芯光纤三维形状重构方法。通过引入方向角和曲率校正系数，改进了柔性三维形变多芯光纤重构算法；利用准分子激光器和相位掩膜法制备了多芯光纤光栅传感阵列，建立了多芯光纤三维形状重构实验系统；实验测量了不同曲率比例因子下的形状重构误差，分析了曲率与角度校正前后形状重构误差；通过对应变进行了三次样条插值，并对方向角和曲率进行了校正，得到了形状重构误差平均值为0.74 mm、最大值为1.64 mm；利用校正后的多芯光纤传感系统进行三维螺旋形变重构实验，得出重构精度提高了10.2%。研究结果表明，基于曲率与角度校正的多芯光纤三维形状重构方法具有更高精度，在柔性机构三维位形实时监测中具有应用前景。