In structural safety field, the inverse finite element method (iFEM) is an effective methodology to reconstruct full-field displacement on beam, plate and shell structures, independently of the loading conditions and of the material properties. However, the current iFEM in principle requires uniform shear distribution over the thickness of beam, which is practically hardly possible due to these thin-walled beam with the general cross-section shape, such as I-section beam, hat-section beam and box-section beam, and there is no effective method to realize deformation online monitoring at home and abroad. To relieve this issue, a novel iFEM strategy is proposed to establish the shape sensing model of the thin-walled beam, where the thin-walled beam is replaced with an equivalent layered composite one based on a generalized layered global-local beam (GLGB) theory, and the improved quasi-3D zigzag shear deformation theory is presented to describe deformation field of the equivalent layered composite beam. The proposed iFEM method accounts for not only thickness stretching but also interlaminar continuity of shear stresses and displacements. Besides, the proposed iFEM formulation does not need any shear correction factors. Accuracy and effectiveness of the established shape sensing model are demonstrated through several case studies. The numerical results show that the proposed iFEM can accurately reconstruct the deformation of the thin-walled structure and the reconstruction accuracy can be improved by 5 %.

In recent decades, Rapidly-exploring Random Tree star (RRT*) has garnered significant attention in the field of path planning due to its asymptotical optimality feature. However, the paths obtained by RRT* are comprised of polylines and too tortuous to be followed by underwater robots. To solve the drawback, this paper proposes a novel autonomous underwater vehicle (AUV) path planning method based on B-spline RRT* (BSRRT*). It focuses on planning optimal paths under maximum curvature constraints, which considerably improves the path smoothness. Different from conventional RRT*-based methods, the tree generated by BSRRT* is composed of piecewise B-spline curves that meet the curvature constraint. The analytical formulas of curve curvature and curve length enable BSRRT* to extend the tree with a low computational cost. Furthermore, start and end orientations constraints are imposed via the introduction of start node pairs and end node pairs. BSRRT* also combines with the expanded candidate strategy and the goal-biased strategy for a faster convergence rate. Simulation results demonstrate that compared to existing approaches, BSRRT* can provide shorter smooth paths with lower time costs.