形状传感技术是近年来传感领域备受关注的新研究方向，具有广阔的应用前景。文章提出了一种基于应变模态振型和误差补偿的形状重构方法，通过测量物体部分位置点的应变数据，采用模态理论实现应变-位移转换，进而重构物体形状。以长宽高分别为1 000，1 000和0.5 mm的钛合金板作为研究对象，通过ANSYS workbench18有限元仿真软件获取位移模态振型及应变模态振型，依据有限元仿真中位置点模态的相似性，采用K-means++聚类算法对应变测量点位置进行优化，在合金板上表面施加400 N的力使其产生形变。该算法的形状重构误差小于常规的均匀分布算法。采用径向基函数神经网络对误差和重构位移数据集进行了训练，依据拟合重构误差和重构位移的关系，补偿误差后重构误差不大于3.5%。

为探究爆炸粒子算法(PBM)在近场爆炸问题中的适用性, 分别采用PBM法及任意拉格朗日-欧拉算法(ALE&S-ALE), 开展AL-6XN不锈钢板近场爆炸的仿真模拟。结合T Brvik的试验结果, 对比了ALE、S-ALE和PBM方法的计算精确度和运算效率; 采用PBM算法对不同爆心距的钢板近场爆炸工况进行仿真计算, 分析了粒子总数和粒子个数比对PBM算法计算精度的影响; 通过对150 mm爆心距、球状C4炸药近场爆炸场景进行仿真, 分析了不同算法运算时效占比规律。结果表明：不同工况下PBM算法得到的钢板挠度最大误差为20%, 离散系数0.12, 优于ALE和S-ALE算法; 相同的网格划分, PBM算法运算用时仅为ALE和S-ALE算法的十分之一; 粒子总数一定时, 粒子数量比越接近粒子质量比或粒子个数比一定, 粒子总数越多, PBM算法精度越高, 模拟效果越好。