光纤布拉格光栅（FBG）形状传感器的铺设角度偏差和标定误差影响检测点曲率和弯曲方向的测量精度，进而导致形状重构误差。针对该问题，提出了曲率和弯曲方向的误差修正模型，以及FBG铺设角度偏差和标定误差自校正模型。利用自校正模型优化FBG的铺设角度和标定系数，并将其代入曲率和弯曲方向误差修正模型，从而提升了形状传感器的重构精度。对模型进行了仿真和实验验证，误差修正后，不同形状的远端重构误差分别从11.66 mm、14.42 mm和22.6 mm降低为4.43 mm、5.67 mm和9.57 mm，相对误差分别从2.56%、3.1%和4.96%降低至0.95%、1.22%和2.06%。所提模型为FBG形状传感器重构提供了一种有效的误差修正方法，不需要复杂的实验校准过程，在FBG形状测量场景中具有较大的应用潜力。

首先，充分考虑温漂序列数据前后之间的强相关性，在对光纤法布里-珀罗可调滤波器（FFP-TF）的温漂进行建模的过程中引入时间权重的概念，为每个样本赋予不同的时间属性。然后，采用支持向量机（SVM）作为弱学习器对温漂样本进行建模，使用AdaBoost框架对多个SVM模型进行集成学习。在集成预测过程中，不仅每个模型的预测性能会影响样本的权重分配，而且样本的时间属性也会影响样本权重的更新。实验结果表明：在2 ℃的窄范围缓慢变温环境中，传统AdaBoost-SVM算法的最大温漂补偿误差为10.83 pm，而基于时间权重的AdaBoost-SVM的最大温漂补偿误差降低到7.04 pm；在15 ℃的温度范围下，传统AdaBoost-SVM算法的最大误差达到11.57 pm，基于时间权重的AdaBoost-SVM的最大误差仅为4.05 pm。与传统硬件方法相比，所提出的方法不需要额外硬件，为可调谐滤波器的温漂补偿提供了一种新的思路。

传统基于频域-时域变换的微波光子解调技术应用于光纤布拉格光栅（FBG）传感网络时，为精确解调每一个FBG峰值，须确保对应时域响应信号不发生叠加，这对传感网络中FBG的空间间隔和波长间隔提出了严格要求，限制了微波光子解调技术的应用范围。针对存在的问题，将一种有效的元启发式算法，即算术优化算法（AOA），引入到基于频域-时域变换的微波光子解调技术中，实现了在时域信号叠加下对FBG的精确解调。实验构建了包含6个FBG的传感网络，通过对某一FBG施加轴向应变，验证了在时域信号部分叠加和完全叠加下AOA对FBG峰值解调的可行性。此外，与其他6种元启发式算法进行对比分析，验证了AOA在解调精度、解调速度与收敛效率等方面的性能优势。AOA提升了微波光子解调技术面向密集光纤布拉格光栅传感网络的解调能力。

为实现中高频振动信号的测量，本文设计了一种基于轴承和柔性铰链结构的光纤布拉格光栅加速度传感器。首先，基于理论力学模型推导出其固有频率、灵敏度与结构参数的数学模型，然后进行结构优化设计，并制作了传感器实物。在此基础上，对所设计传感器动态特性进行有限元仿真和实验测试。研究结果表明：传感器工作频率为10～1200 Hz，加速度灵敏度达17.25 pm/g，测量误差小于0.3 g，线性度大于0.99，重复性误差为2.33%，且能实现温度补偿。

提出一种新型光纤布拉格光栅（FBG）传感网络系统，根据监测区域的优先级灵活配置传感器数目，从而提高带宽的利用效率，增加重点区域的传感器数量。由于各通道的光谱重叠程度存在差异性，实现重叠光谱的快速分类和精准解调尤为重要。基于连续小波变换 （CWT）-粒子群优化（PSO）算法实现了FBG传感网络的重叠光谱分类及解调。首先利用CWT分割光谱信号，根据重叠光谱的特征完成重叠光谱分类；然后使用PSO解调多个FBG重叠的光谱。仿真结果表明，所提方法有效降低了解调时间，且解调误差最大不超过10 pm。该研究工作为实现大容量FBG传感网络重叠光谱的快速精准解调提供了新思路。

锂电池内部的应力和温度变化难以监测是影响电池安全运行的最大隐患，提出采用光纤布拉格光栅传感技术，在锂电池内部植入光栅对电池阳极的温度和应力变化信息进行实时采集，实现了对锂离子电池阳极的原位监测，建立了电信号与光学传感信号之间的联系。实验结果表明，锂电池工作循环中，锂离子的脱嵌和嵌入会引起温度变化，对应传感器波长偏移达100 pm，温度上升11.1 ℃；在排除温度因素的影响后，循环电流的跳变会引起阳极收缩，产生的应力使波长漂移达21.96 pm，约为18.3 με。此外，研究了不同充放电速率对电池的影响，10 mA电流比2.5 mA电流时温度提高了2.8倍，应力提高了4.4倍。所植入光栅监测系统既可以高精度地测量电化学反应引起的温度、应力变化，同时解调速度快，有利于实时、准确监测锂电池的热失控及形变鼓包故障，研究结果有望为锂电池的安全使用提供有效的实验依据。

利用飞秒激光相位掩模加工方法制造光纤布拉格光栅（FBG），并研究了激光能量和曝光时间对FBG波长、反射率和带宽的影响规律。研究发现，随着曝光时间的增加，光纤的折射率调制量逐渐变大，耦合效率增大，反射率逐渐变大。当光纤耦合效率达到饱和时，反射率保持不变；当过曝光时，反射率轻微减小，光纤的平均有效折射率和折射率调制深度均变大，带宽增大。随着激光能量的增大，达到最大反射率所需要的曝光时间缩短，且FBG波长的红移量越多，带宽就越大。过大的激光能量会使平均有效折射率和折射率调制深度变大，从而导致FBG主谐振峰两边的旁瓣增多，影响光谱质量。另外，短波方向旁瓣的振荡比较显著，而长波方向则比较平顺。因此，在实际加工中需要选择合适的激光曝光能量和曝光时间。实验获得的最大FBG反射强度达到15 dB，且其光谱变化和理论分析一致。该研究为高质量FBG的制造和光谱特性优化提供了实验依据。

针对三维力传感器维间耦合干扰问题，以基于光纤布拉格光栅（Fiber Bragg Grating， FBG）的一体式三维力传感器为研究对象，提出了一种基于白鲨优化算法的优化极限学习机（White Shark Optimizer-Extreme Learning Machine， WSO-ELM）的非线性解耦算法。首先，设计了基于FBG的一体式三维力传感器，阐明该传感器波长漂移量与三维力的映射关系；然后，搭建静态标定实验系统，分析三维力耦合特征，并建立WSO-ELM算法三维力传感器解耦模型，利用白鲨优化算法（White Shark Optimizer， WSO）稳定、高效特点优化模型，寻找ELM神经网络隐含层神经元数与解耦时间的最佳参数组合，开展基于WSO-ELM的三维力传感器非线性解耦研究；最后，该传感器解耦后最大平均I类误差达到0.51%，最大平均II类误差达到0.65%，实现了基于WSO-ELM的三维力非线性解耦。为验证解耦效果，将WSO-ELM算法与极限学习机神经网络模型、反向传播神经网络、最小二乘法解耦效果进行对比实验。实验结果表明：WSO-ELM算法具有较好的解耦效果，能有效构建三维力维间耦合关系，同时降低传感器耦合干扰，提高传感器的测量精度，具有良好的非线性解耦能力。