通过仿真和参数设计优化离心式血泵
心血管疾病的增加，加上心脏移植供体的有限性，导致人们广泛致力于开发心室辅助装置（VAD）来治疗心脏病。在大多数情况下，这些泵帮助心室将血液输送到患者的身体。然而，设备的可靠性和机械性血液损伤在临床应用中仍然存在严重挑战，限制了其潜力。这就是计算流体动力学（CFD）已成为设计和预测心血管设备性能的基本技术的原因之一。美国食品药品监督管理局（FDA）的血泵设计是该领域的一个关键发展。它是测试和验证这些医疗设备设计中使用的CFD模型的基准。
我们开发了一种全面的数值方法来验证和优化离心式血泵的高保真度仿真，建立在美国食品药品监督管理局标准化和验证医疗设备高保真度仿真的基础上。在这项研究中，我们证明了我们的设计优化方法可以很容易地适应更复杂的VAD几何形状。通过这种方式，可以设计出生物相容性强的血泵，最大限度地降低患者术后并发症的风险。
基于CFD的离心式血泵设计优化方法
基于CFD的离心式血泵设计优化方法
为了优化FDA血泵的设计，我们将多物理场仿真与modeFRONTIER工作流程相结合，并采用了全面的探索策略，包括实验设计（DOE）、响应面模型（RSM）和用于稳健形状设计优化的混合策略算法。我们的目标是确保血泵的设计符合临床应用的严格要求。特别是，我们重点评估了两个关键因素：
水力效率
与剪切应力升高相关的溶血风险，这是影响血液损伤的关键因素
FDA血泵基准原型
CFD仿真：FDA血泵建模
CFD仿真：FDA血泵建模
FDA血泵的仿真需要将各种组件和方法与综合计算模型相结合，以确保准确性和可靠性。使用CFD软件OpenFOAM，仿真通过先进的网格技术捕捉了血泵几何结构的复杂细节。使用有限体积离散化方法对控制流体流动的Navier-Stokes方程进行了数值求解，从而能够精确预测泵内的流动行为。为了准确地模拟泵的旋转部件，我们采用了移动参考框架（MRF）方法，促进了叶轮旋转的有效仿真。湍流建模，如标准的k-Epsilon湍流模型，可以准确地捕捉湍流现象，确保预测的保真度。
CFD模型验证
溶血建模：欧拉方法
溶血建模：欧拉方法
血泵设计中最重要的问题是最大限度地减少溶血：过度剪切应力对红细胞的破坏。为了最大限度地减少溶血，我们采用了欧拉方法，结合复杂的技术来准确预测血液损伤。使用被动标量传输方程对溶血进行建模，仿真指示血液损伤的标量的传输。与流动诱导应力相关的von Mises应力场是量化溶血风险的关键参数，与已建立的经验关系一致。
叶轮上的Von Mises应力场
使用modeFRONTIER进行
FDA血泵的过程自动化和设计优化
改进血泵设计需要采用多目标优化方法，同时优化水力效率和血液溶血水平。我们利用了modeFRONTIER，这是一款综合的过程自动化和设计优化软件，以获取最佳的泵设计，同时在各种目标之间寻找平衡。为了简化优化过程，我们使用了一个工作流程来自动化多个仿真工具。几何形状是在Siemens NX中生成的，识别了几个值得改进的显著特征。ANSA（来自BETA CAE Systems）为几何形状生成了一致而高效的网格。然后，使用OpenFOAM CFD模型对网格化的几何形状进行分析，提取每个目标所需的必要指标。
modeFRONTIER用于设计优化FDA血泵的工作流程
在一个典型的设计过程中，工程师可能需要手动多次重复此过程以获得所需的结果。使用modeFRONTIER，您可以自动进行设计优化，自动调整几何图形中的参数并分析修改后的几何图形，而无需手动输入。
在我们追求优化FAD血泵以提高性能和可靠性的过程中，我们深入研究了实验设计（DOE）领域，这是一种对全面探索设计空间至关重要的系统方法。DOE方法的核心是控制叶轮形状的四个关键几何参数：
叶片-阀杆距离（P1）：此参数控制叶片和轮毂之间的距离，影响泵内的流动动力学。
叶片高度（P2）：该参数决定了叶轮叶片的高度，在决定流体流动特性方面起着至关重要的作用。
阀杆直径（P3）：叶轮阀杆的直径影响泵内的力分布，影响效率和溶血性。
顶部圆角半径（P4）：此参数控制叶轮叶片顶部的曲率，影响流体流动仿真和剪切应力分布。
叶轮几何参数
通过生成具有60种不同潜在设计的实验设计（DOE），对四个设计参数的效果进行采样。为了确保最佳的采样技术，我们采用了三种算法：均匀拉丁超立方体以确保设计的均匀分布，拉丁超立方体蒙特卡罗以将设计点集中在每个参数的极值附近，增量空间填充器以填充设计空间中的任何大缺口。使用由此产生的DOE，我们训练了响应面模型（RSM），以在很短的时间内深入了解设计参数和关键性能指标之间的关系。RSM是一种数学模型，用于在很短的时间内基于现有设计预测额外的设计点。在DOE数据上训练了六种不同的RSM算法，高斯过程方法因其优越的预测精度而成为首选。经过培训的RSM有助于指导我们的优化工作，使我们能够高效准确地探索广阔的设计空间。ESTECO专有的pilOPT算法促进了5000个设计点的生成，形成了饱和的Pareto边界。为了验证RSM预测，我们对帕累托边界附近的几个选定点进行了额外的验证层。这一验证步骤对于验证优化设计在真实世界条件下的性能至关重要。选择的设计如下图：
Pareto前沿设计：突出显示选定设计
在现实世界中的血泵中，流体流速并不是以恒定的速度进入的，而且会有一些变化。这就需要在泵入口处的不同流体条件下进行分析，以确保泵的性能在不同的入口条件下不会下降。为了分析其他条件，我们对选定的设计施加了“随机性”或轻微的变化。然后，我们分析了泵在这些不同入口条件下的性能，以确保泵的“稳健性”。这种稳健性分析为泵性能的稳定性及其对外部因素的恢复力提供了见解。我们分析了所选的4种优化设计的稳健性特征。对于每个设计，我们对10个不同的流体速度点进行了采样。“最佳”设计是那些具有紧密分组点的设计，这意味着它们不会因入口速度的微小变化而导致性能大幅下降。
稳健设计分析结果
我们的设计实验方法与优化技术以及稳健性分析相结合，为FDA血泵的优化开辟了有希望的途径。通过对设计空间的系统性探索以及对优化设计的严格验证，我们旨在推动血泵技术的进步，最终改善患者的预后，提升心血管护理的质量。
采用降阶模型（ROM）
快速评估血泵设计配置
我们项目的下一步是采用降阶模型（ROM），这是一种数学技术，可以简化复杂的CFD仿真，而不会显著影响结果的准确性。我们的ROM技术在血泵设计的迭代过程中尤其有价值，在迭代过程中需要进行大量仿真来探索设计空间并优化设备的性能。通过将适当正交分解（POD）和机器学习（ML）等技术相结合，血泵的有限系列CFD仿真将成为开发ROM的基础。我们打算通过ROM提取泵内的基本速度场，显著降低计算复杂度。通过提取全尺寸CFD模型的基本动力学，ROM将有助于更快地迭代和评估各种血泵设计配置。
