皮肤温度可以反映人体的健康状况。获得人体皮肤温度分布即人体体表温度场,对于临床医学、暖通空调和航空航天等领域有着重要的意义。针对人体内热量传递过程的高度复杂性使得对其难以进行准确的数学描述的问题,提出将数据驱动的方法用于人体体表温度场建模,来代替以往采用有限元或有限差分等数值计算方法获取人体的温度分布。基于数据驱动建立模型的方法建立在过程采集数据基础上,具有不需要深入了解了解过程机理和算法通用性强等优点,广泛应用于具有复杂机理过程的建模和优化中。本文利用非线性模型,即BP神经网络和遗传算法,与光学测温系统相结合,成功地应用于人体体表温度场测量;并讨论了不同拓扑结构对测温系统的影响,计算了不同网络拓扑结构下测温系统的可靠性。本论文的主要工作:1.基于有限元分析方法,根据人体温度的特性结合现有的人体结构参数,利用ANSYS软件建立了人体胸腔部位的温度场仿真模型;通过建立人体胸腔部位的温度场仿真模型,分析了有限元方法建立人体体表温度场所存在的问题。2.搭建了基于光纤布拉格光栅(FBG)温度传感器的人体体温测量系统,实现了人体体表温度的测量;针对人体体表温度场的数据维度高、非线性以及动态性强等特征,提出了基于BP神经网络的人体体表温度场的测量模型。3.通过分析BP神经网络的缺陷,探讨了其与遗传算法相结合的可行性;对遗传算法所存在的问题进行了讨论,并提出了改进方法;用改进遗传算法优化的BP神经网络的测量模型进行温度场预测,对比模型输出值和实验数据,发现所建立的模型可将误差控制在±0.40℃,具有较高的准确性。4.研究了FBG传感器网络拓扑结构对人体体表测温系统的影响,提出一种无源双环形的FBG传感器网络;对所提出的网络拓扑结构与四种基本网络拓扑结构的可靠性和自愈功能进行了理论分析和实验验证。