摘要：针对光纤布拉格光栅(Fiber Bragg Grating,FBG)流量温度复合传感耦合干扰严重的问题,以小型探针式FBG流量温度复合传感器为研究对象,提出了基于哈里斯鹰算法优化核极限学习机(Harris Hawks Optimizer algorithm Optimized Kernel Extreme Learning Machine,HHO-KELM)的解耦算法。首先,设计了以空心圆柱悬臂梁为受力载体的小型探针式FBG流量温度复合传感器,揭示了该传感器波长漂移量与流量温度的映射关系;然后,构建实验系统进行了流量温度复合传感实验,分析了流量温度耦合特征;最后,利用哈里斯鹰算法优化核极限学习机,获取核极限学习机的最优正则化系数和核函数参数组合,建立了HHO-KELM算法流量温度解耦模型,解耦后流量在2~30 m^(3)/h内,流量平均误差为0.038 m^(3)/h,均方误差为1.91×10^(-3)m^(3)/h,温度平均误差为0.027℃,均方误差为1.03×10^(-3)℃。为验证解耦效果,将HHO-KELM算法与BP算法、ELM算法的解耦结果进行对比。实验结果表明:HHO-KELM算法具有较好的解耦精度和解耦效率,能够有效降低流量温度耦合干扰,提高了传感器的测量精度和稳定性,可实现流量温度的实时动态解耦。