[1] H J BANG, H K SHIN, Y C JU. Structural health monitoring of a composite wind turbine blade using fiber Bragg grating sensors, 7647(2010).

[2] [2] 2曲道明， 孙广开， 李红， 等. 变形机翼柔性蒙皮形状光纤传感及重构方法［J］. 仪器仪表学报， 2018， 39（1）： 144-151.QUD M， SUNG K， LIH， et al. Optical fiber sensing and reconstruction method for morphing wing flexible skin shape［J］. Chinese Journal of Scientific Instrument， 2018， 39（1）： 144-151. （in Chinese）

[3] [3] 3张俊康， 孙广开， 李红， 等. 变形机翼薄膜蒙皮形状监测光纤传感方法研究［J］. 仪器仪表学报， 2018， 39（2）： 66-72.ZHANGJ K， SUNG K， LIH， et al. Optical fiber shape sensing of polyimide skin for flexible morphing wing［J］. Chinese Journal of Scientific Instrument， 2018， 39（2）： 66-72. （in Chinese）

[4] [4] 4唐炜， 史仪凯. Bragg光纤传感技术应用研究［J］. 光学 精密工程， 2002， 10（1）： 79-83. doi: 10.3321/j.issn:1004-924X.2002.01.015TANGW， SHIY K. Optical fiber Bragg grating sensing technology［J］. Opt. Precision Eng.， 2002， 10（1）： 79-83. （in Chinese）. doi: 10.3321/j.issn:1004-924X.2002.01.015

[5] [5] 5李丽， 林玉池， 付鲁华， 等. 光纤光栅空分光复用传感系统的研究［J］. 光学 精密工程， 2007， 15（4）： 473-477. doi: 10.3321/j.issn:1004-924X.2007.04.006LIL， LINY CH， FUL H， et al. Research on spatial division multiplexing of fiber Bragg grating sensors［J］. Opt. Precision Eng.， 2007， 15（4）： 473-477. （in Chinese）. doi: 10.3321/j.issn:1004-924X.2007.04.006

[6] [6] 6孙广开， 曲道明， 闫光， 等. 软体气动驱动器弯曲变形光纤传感与形状重构［J］. 光学 精密工程， 2019， 27（5）： 1052-1059. doi: 10.3788/OPE.20192705.1052SUNG K， QUD M， YANG， et al. Bending deformation of optical fiber sensing and shape reconstruction of soft pneumatic driver［J］. Opt. Precision Eng.， 2019， 27（5）： 1052-1059. （in Chinese）. doi: 10.3788/OPE.20192705.1052

[7] [7] 7何彦霖， 张旭， 孙广开， 等. 复合基底柔性光纤曲率传感器［J］. 光学 精密工程， 2019， 27（6）： 1263-1269. doi: 10.3788/ope.20192706.1263HEY L， ZHANGX， SUNG K， et al. Flexible curvature sensor based on composite substrate［J］. Opt. Precision Eng.， 2019， 27（6）： 1263-1269. （in Chinese）. doi: 10.3788/ope.20192706.1263

[8] H J BANG, M S JANG et al. Shape estimation and health monitoring of wind turbine tower using a FBG sensor array, 496-500(2012).

[9] W L RICHARDS. Method for real-time structure shape-sensing.

[10] A TESSLER, J L SPANGLER. A least-squares variational method for full-field reconstruction of elastic deformations in shear-deformable plates and shells. Computer Methods in Applied Mechanics and Engineering, 194, 327-339(2005).

[11] [11] 11朱晓锦， 蒋丽娜， 孙冰， 等. 基于B样条拟合的光纤光栅机敏柔性结构形态重构［J］. 光学 精密工程， 2011， 19（7）： 1627-1634. doi: 10.3788/OPE.20111907.1627ZHUX J， JIANGL N， SUNB， et al. Shape reconstruction of FBG intelligent flexible structure based on B-spline fitting［J］. Opt. Precision Eng.， 2011， 19（7）： 1627-1634. （in Chinese）. doi: 10.3788/OPE.20111907.1627

[12] [12] 12钱晋武， 孙流川， 沈林勇， 等. 非开挖地下管线探测中的弯曲变形检测装置研究［J］. 光学 精密工程， 2005， 13（2）： 179-184. doi: 10.3321/j.issn:1004-924X.2005.02.010QIANJ W， SUNL CH， SHENL Y， et al. On sensing apparatus for bending deformation in trenchless underground pipeline detection［J］. Opt. Precision Eng.， 2005， 13（2）： 179-184. （in Chinese）. doi: 10.3321/j.issn:1004-924X.2005.02.010

[13] [13] 13王清华， 荆建中， 陈振， 等. 基于BP神经网络的单管通信塔损伤识别研究［J］. 特种结构， 2020， 37（5）： 112-116. doi: 10.19786/j.tzjg.2020.05.022WANGQ H， JINGJ ZH， CHENZH， et al. Damage identification of single-tower based on the BP neural network［J］. Special Structures， 2020， 37（5）： 112-116. （in Chinese）. doi: 10.19786/j.tzjg.2020.05.022

[14] [14] 14王霞， 董永权， 于巧， 等. 结构化支持向量机研究综述［J］. 计算机工程与应用， 2020， 56（17）： 24-32. doi: 10.3778/j.issn.1002-8331.2005-0089WANGX， DONGY Q， YUQ， et al. Review of structural support vector machines［J］. Computer Engineering and Applications， 2020， 56（17）： 24-32. （in Chinese）. doi: 10.3778/j.issn.1002-8331.2005-0089

[15] [15] 15徐家琪， 伍万能， 孙炜， 等. 优化极限学习机算法及其在力信息解耦中的应用［J］. 传感技术学报， 2019， 32（10）： 1487-1492. doi: 10.3969/j.issn.1004-1699.2019.10.010XUJ Q， WUW N， SUNW， et al. Optimized extreme learning machines and their application in decoupling of multi-component force information［J］. Chinese Journal of Sensors and Actuators， 2019， 32（10）： 1487-1492. （in Chinese）. doi: 10.3969/j.issn.1004-1699.2019.10.010

[16] S BALASUNDARAM, D GUPTA. On optimization based extreme learning machine in primal for regression and classification by functional iterative method. International Journal of Machine Learning and Cybernetics, 7, 707-728(2016).

[17] S F DING, H ZHAO, Y N ZHANG et al. Extreme learning machine： algorithm， theory and applications. Artificial Intelligence Review, 44, 103-115(2015).

[18] [18] 18宋绍剑， 向伟康， 林小峰. 增量型极限学习机改进算法［J］. 信息与控制， 2016， 45（6）： 735-741， 758. doi: 10.13976/j.cnki.xk.2016.0735SONGSH J， XIANGW K， LINX F. Improvement algorithm of an incremental extreme learning machine［J］. Information and Control， 2016， 45（6）： 735-741， 758. （in Chinese）. doi: 10.13976/j.cnki.xk.2016.0735

[19] [19] 19逄珊，杨欣毅，林学森. 一种基于量子粒子群优化的极限学习机［J］. 系统仿真学报， 2017， 29（10）： 2447-2458. doi: 10.16182/j.issn1004731x.joss.201710028PANGS， YANGX Y， LINX S. Evolutionary extreme learning machine optimized by quantum-behaved particle swarm optimization［J］. Journal of System Simulation， 2017， 29（10）： 2447-2458. （in Chinese）. doi: 10.16182/j.issn1004731x.joss.201710028