1.一种基于ANFIS的长周期光纤光栅曲率测量方法，其特征在于，具体步骤如下；

1)建立训练样本集；

对不同曲率的作用下的长周期光纤光栅的透射光谱进行采集，对曲率波长和振幅数据进行收集，并建立训练样本集；

2)构造一个自适应神经模糊推理系统；

建立自适应神经模糊推理系统，以训练集中的长周期光纤光栅的谐振波长和振幅作为输入，曲率大小作为输出，选择输入输出的隶属度函数，设置系统的训练目标误差，使用混合学习算法训练隶属度函数参数，从而确定自适应模糊推理系统中的输入隶属度函数参数和输出隶属度函数参数；

3)对长周期光纤光栅的曲率大小进行测量；

自适应神经模糊推理系统用于根据测得的透射光谱确定曲率，输入变量是长周期光纤光栅的谐振波长和振幅，输出变量是曲率大小。

2.根据权利要求1所述的一种基于长周期光纤光栅的长周期光纤的光纤光栅曲率识别方法，其特征在于：步骤二具体步骤如下：

2-1)建立具有图形化界面工具的长周期光纤光栅edit自适应神经模糊推理系统，在图形界面上对数据进行训练和检测；

自适应神经模糊推理系统，其建模过程分五层进行:第1层：该层的所有节点是自适应的，用于将所有输入信号按照隶属度函数进行模糊化。输出函数表达式为:OA,i、OB,i分别是x1，x2第一层的输出,其中 和 分别为x1，x2的隶属度函数，隶属度函数可以是任何合适的参数化隶属函数。

典型的钟型函数：

其中，{ai,bi,ci}是前提参数集，其值在训练阶段不断更新。

第2层：该层的所有节点是固定的，用于将所有输入信号进行相乘，计算各规则的激励强度wi，其表达式为:第3层：该层的所有节点是固定的，用于计算第i条规则激励强度在所有总激励强度中的均值，输入结果是归一化激励强度 其表达式为：第4层：该层的所有节点是自适应的，用于计算第i条规则对总输出的贡献比例，其表达式为：其中，pi、qi和ki为该节点的后件参数。

第5层：该层只有一个节点，用于计算所有输入的总输出量，其表达式为：

2-2)自适应神经模糊推理系统输入的训练样本包括50组不同曲率下的长周期光纤光栅的谐振波长和振幅；

2-3)选择每组输入的10个隶属度函数，隶属函数的类型选用高斯型隶属度函数；

2-4)设置系统训练目标误差为0.02，采用混合学习算法对隶属度函数进行训练，获得隶属度函数参数。