基于可调谐激光吸收光谱的二维温度和浓度分布重建对于燃烧诊断具有重要意义， 而数值迭代算法在温度和组分浓度的重建中起着重要作用。 通过对比发现自适应迭代算法和最小二乘QR分解算法对于重建二维温度和气体浓度分布具有很好的优势。 研究表明， 波长7 154.35， 7 153.75， 7 185.60和7 444.36 cm-1四条H2O的吸收谱线， 非常适合测量高温预混火焰中的温度和水蒸气浓度分布。 与7 444.36, 7 185.60, 7 154.35和7 153.75 cm-1处的吸收谱线相比， CO2和CH4的光谱吸光非常微弱， 在该波段O2和CO基本没有吸收， 因此燃烧环境中CO2， CH4， O2和CO等气体对于H2O吸收谱线基本没有影响。 通过比较不同算法的最优松弛因子、 计算时间和重建误差等， 发现与最小二乘QR分解算法相比， 自适应迭代算法具有更好的重建质量和更短的计算时间。 在自适应迭代算法的基础上进一步比较了不同吸收线对(7 444.36和7 185.60， 7 154.35和7 153.75 cm-1)在射线束为16， 32， 48和64时的二维重建结果。 结果表明， 采用吸收谱线7 153.75和7 154.35 cm-1得到的重建结果优于吸收谱线7 185.60和7 444.36 cm-1的重建结果。 随着激光束的增加， 重建结果越来越接近模型假定的温度和浓度分布。 考虑到有限的测量空间和重建精度， 分析认为32束的光路布置更适合实际火焰的二维温度和浓度重建。 为了分析自适应迭代算法对不同温度和浓度分布的重建能力， 进一步模拟了双峰温度和浓度分布。 结果表明， 随着射线束的增加， 温度的重建误差总是大于浓度的重建误差， 表明射线数对温度的影响更为明显。 在双峰分布中， 投影射线束为16时的重建误差最大， 但此时的重建结果也能反映温度和浓度的分布趋势。

燃煤锅炉发电会产生大量的污染气体, 本文基于可调谐激光吸收光谱技术, 结合层析成像技术, 对预混火焰的温度和浓度进行重建, 通过这些参数来调节锅炉运行的工况, 以此来减少污染气体的排放和提高能源利用率。经过谱线分析, 文章选择在7148.8~7151cm-1附近选取2条适合高温重建H2O的吸收谱线(7149.058cm-1和7150.4716cm-1), 通过采取自适应迭代算法、BP-神经网络算法和卷积神经网络算法, 对不同的温度场和浓度场进行模拟重建。研究发现, 卷积神经网络算法在重建精度和稳定性方面都优于其他两种算法。为了探究误差对于重建结果的影响, 通过添加随机误差发现, 误差对于卷积神经网络算法影响较小, 温度和浓度重建精度高。为了验证卷积神经网络算法的可行性, 文章选取了不同的燃烧工况进行了重建对比。研究表明, 卷积神经网络算法重建图像趋于平缓, 与实际燃烧情况更加符合, 该研究也证明了卷积神经网络算法在燃烧场重建方面的优势和可行性。

表面光散射法流体界面性质传感要求既快速又准确，故需采用较小的散射角度来获取更强的散射光信号以提升测量速度，同时又需修正低散射角条件下引入的仪器加宽效应以确保测量准确性。理论上，在假定入射激光为高斯光束的条件下，发展了频域内修正低散射角条件下引入的仪器加宽效应的方法，并开发了利用参考数据获得表面光散射实验系统的仪器加宽常数算法与多波数条件下表面波的频谱修正和拟合算法。实验上，利用低黏度的制冷剂R1336mzz（Z）和高黏度的十四酸乙酯分别检验了理论的准确性。所提方法可将表面光散射法测量流体黏度和界面张力的单点测量时间从原来的10~20 min缩短至2~5 min，并保持相同的测量精度。

基于动态光散射原理，搭建了一套可测量热扩散系数的动态光散射系统，该实验系统包括散射光路、耐压实验本体、温度控制以及数据采集系统。同时，将光纤引入到动态光散射系统中作为探头，将实验系统缩小至类似系统的1/3。利用参考流体正己烷对实验系统进行了检验，将实验获得的热扩散系数拟合为多项式方程，拟合最大偏差为0.19%，平均绝对偏差为0.11%，与文献值最大偏差为3%。经过不确定度分析可知，所研制的动态光散射实验系统测量液体热扩散系数的不确定度为2%（k=2）。

为解决表面光散射法在临界振荡区测量偏差较大的问题，探索该方法应用于全黏度牛顿流体黏度测量的途径。修正表面光散射小角度仪器加宽效应，考虑气液界面表面波在近临界振荡区体相耗散效应，建立可以精确刻画牛顿流体全黏度范围的表面波频域色散方程，利用离散快速傅里叶变换将获得的时域相关数据转化为频域数据，并开发了多元频域拟合算法，以确保在任意黏度范围可以精确获得其黏度和表面张力值，并能给出统计学意义的不确定度。本研究提供了一种绝对的、全黏度范围牛顿流体黏度测量的表面光散射理论、方法和系统。