在智能材料领域以及结构健康监测领域中，负载结构的变形曲率是一个非常重要的参数。但由于曲率在实际中很难被直接测量，而往往是通过应变等参数计算而来，所以使得它只具有一个理论上的意义。对于薄结构的形变检测，采用应变测量的方法将会非常困难，但结构的曲率变化通常较明显，因此通过测量结构的曲率来测量结构的形变大小将会是一种相对有效的方法。本文研究的锯齿型曲率光纤传感器是通过在光纤上引入锯齿形的敏感区，以增加光纤弯曲时的光传输损耗，是一种可直接测量结构的曲率且灵敏度较高的传感器。但是，目前关于此曲率光纤传感器的相关制作工艺、特性及其传感机理等方面的研究还不完善。为了提高传感器的性能，本论文对传感器的制作工艺、结构参数优化、传感数学模型、特性及其应用等方面开展深入的研究和探索，具有重要的意义。　　利用光学软件TracePro分别建立未弯曲和弯曲的光纤模型，并进行三维光线追迹分析，发现光在弯曲光纤的传播过程中，会产生凸向集中性，即在弯曲光纤凸侧的光强会增加，在光纤凹侧的光强会减弱，并且这种凸向集中性随着光纤弯曲曲率的增大而增强。因此，当曲率光纤传感器正向弯曲时（传感器的敏感区位于弯曲光纤的凸侧），从敏感区泄漏出去的光功率将增加，并且弯曲曲率越大，泄漏的光功率越大；相反，当传感器负向弯曲时（传感器的敏感区位于弯曲光纤的凹侧），从敏感区泄漏出去的光功率将会减小，并且弯曲曲率越大，泄漏的光功率越小。基于此分析结果，利用光纤光学和几何光学，研究了光纤传感器弯曲端面上的光强分布状况，并结合传感器敏感区的结构参数，分析传感器各齿上光功率的泄漏状况，进一步建立光纤传感器的光传输损耗和弯曲曲率、敏感区结构参数之间的数学模型，揭示传感器的传感机理。通过光学仿真和实验对数学模型进行了验证，结果表明，所建立的数学模型是有效的。　　采用Monte Carlo顺序抽样法对锯齿型曲率光纤传感器进行灵敏度分析，结合正交试验法对传感器的敏感区结构参数进行优化，并得到了影响传感器灵敏度的主要因素为敏感区的深度和齿数，为传感器的制作提供了理论指导。另外，通过大量的仿真分析，给出了一种敏感区结构参数的经验优化方法。以三菱株式会社生产的阶跃型光纤ESKA系列塑料光纤为传感器的加工原材料，分别采用手刻法、铣削法和热压纹法对传感器的敏感区进行加工，并分析了不同加工工艺下的传感器特性。通过对比发现，铣削法是最有效的加工方法之一。　　为了实现传感器的标定，针对不同范围的曲率半径采用了不同的实验装置和不同的测量电路。分别在悬臂梁、简支梁及圆柱体上对传感器进行标定，得到传感器的静态曲线。根据标定曲线分析了传感器的测量范围、线性度、灵敏度、迟滞性、重复性及零点漂移等静态特性。设计实验装置，对传感器灵敏度的方向性进行了测试分析，并将锯齿型敏感区与竖纹型、随机型敏感区的灵敏度进行了比较。结果显示，锯齿型曲率光纤传感器的灵敏度要优于其它两种纹理结构敏感区的灵敏度。对阻尼衰减振动信号和锯齿波信号激励下的传感器的动态性能进行了初步的实验分析，结果显示传感器的输出能较好地反映输入信号。　　研究曲率光纤传感器在智能结构中的应用时，研制了一种基于曲率光纤传感器的智能夹层传感系统。将曲率光纤传感器以环形方式对称地布置于PE膜的两面，组成传感网络，不仅可以测量结构的弯曲变形，还可以同时测量结构的扭转变形。根据智能夹层传感系统提供的弯曲曲率和扭转信息，基于微分几何的方法提出一种空间三维曲线结构重建的方法，仿真实验验证了该算法的有效性。将光纤智能夹层传感系统埋入树脂基复合材料板内部，制作出一个用于智能结构形状检测的实例。结果显示，智能夹层可以有效地保护光纤传感器在埋入智能结构过程中不被损坏；通过智能夹层传感系统所检测到的曲率信息，对复合材料板的形状进行了重建，重建结果与实际形状基本一致，且精度较高。最后，通过拉伸、压缩和弯曲实验对埋入与不埋入光纤智能夹层的复合材料板的力学性能进行对比研究。结果显示，智能夹层的埋入对智能结构的力学性能有一定的影响。　　最后，设计了一个基于曲率光纤传感器的轴向线应变测量系统。将曲率光纤传感器以一定的弯曲半径布置在结构的表面，并使传感器的敏感区表面与基底垂直。建立了轴向线应变与传感器曲率之间的数学模型，并对传感器的布置进行了优化分析，得出了最佳灵敏度时敏感区的粘贴位置。利用曲率光纤传感器对聚氨脂橡胶块的轴向线应变进行了测量实验，实验结果与理论曲线基本符合，说明了该系统测量的有效性。