首页/文章/ 详情

【达索数字心脏项目】达索数字心脏的材料本构建模与参数标定方法概述

8月前浏览586
     

引言

       

数字心脏项目是达索系统“Virtual Human”愿景的重要组成部分。借助 3DEXPERIENCE 平台的多物理仿真能力,它将影像数据、材料科学与数值计算相结合,构建出一个能够真实跳动、响应刺 激、耦合血流的心脏虚拟模型,它让研究者能够在虚拟环境中观察病理变化,测试人工瓣膜或支架的性能,预测个体化治疗效果,从而加速科学探索与临床应用的融合。

     
     

为什么需要“材料本构”?

在仿真世界中,心脏不仅仅是一个几何模型,更是一个具备复杂力学与电生理功能的“生物器官”。材料本构关系,正是连接心脏组织微观特性与整体器官功能的关键桥梁。它定义了心肌、瓣膜等组织在受力、电刺 激等作用下的力学行为,是实现多物理场耦合仿真的基础。

达索数字心脏通过系统构建被动响应、主动收缩、粘弹性、阻尼及电反应等多个维度的本构模型,实现了从细胞到器官、从结构到功能的全面仿真。


五大核心本构模型详解

(1)结构被动组织响应

在结构层面,数字心脏采用的是基于 Holzapfel–Ogden 各向异性超弹性模型的材料体系,用来描述心肌和相关组织在被动状态下的非线性力学响应,体积部分则通过体积惩罚项逼近不可压缩软组织的特性。达索数字心脏的材料本构参数是基于多源实验数据分部位标定的。心室被动材料采用两步法:先用 Sommer 等学者的双轴/三轴拉伸数据拟合多轴力学行为,再按 Klotz 等学者给出的舒张压–容积范围细调关键参数,使整体 P–V 响应合理。心房材料基于 Bellini 的人体心房数据标定;二尖瓣、三尖瓣及其腱索分别采用猪/人源瓣膜与腱索实验数据拟合;主动脉瓣、肺动脉瓣及瓣环、大血管等则分别依据 Stradins、Gunning、Azadani 等学者的人体组织试验结果确定参数,从而在局部组织和整体器官尺度上同时保证生理可信度。

(2)结构主动组织响应

在达索数字心脏中,结构主动组织采用基于 Walker 等人提出的时变弹性模型,在本构层面引入 Frank–Starling 效应。模型以局部纤维方向的应变作为驱动量,关键参数包括收缩强度缩放因子、肌节起始长度阈值等系数,这些参数通过调节压力–容积曲线、应变与位移响应等指标进行联合标定,从而实现既符合肌肉微观生理机制、又能在器官尺度上再现实测心动动力学的主动收缩行为。

(3)粘弹性

在达索数字心脏中,材料本构中引入了各向同性、时变线性粘弹性,用于在结构层面合理阻尼心室收缩期的高频响应,该粘弹性行为通过松弛模量在时域中实现,其参数选取基于 Sommer 等人对人体心室组织粘弹松弛特性的实验数据,并在系统仿真中优化松弛时间常数,以在不削弱正常收缩能力的前提下,有效抑制数值和物理上不合理的高频振动,从而提高数字心脏在收缩期动力学表现的稳定性与生理可信度。

(4)阻尼

在达索数字心脏中,除了通过静水腔体建模血液压力外,还使用了基于质量比例的 Rayleigh 阻尼对瓣膜动力学进行补充校正。具体而言,在瓣叶材料上施加质量比例阻尼,取 Rayleigh 阻尼系数 α = 160,用以近似真实血液对瓣叶运动产生的附加质量效应,这一效应在仅采用静水腔体的血流模型中无法体现。

(5)组织电反应

在达索数字心脏中,组织的电反应采用基于 Hurtado–Kuhl提出的本构描述,通过动作电位和恢复变量两个场量刻画心肌细胞的兴奋–复极过程。一方面描述动作电位在空间上的传导,另一方面刻画单个心肌细胞从去极化到复极的时间演化。整体电模型通过参数标定,使各部位的电激活时序与实际心电生理观测相符合;同时对希氏束与浦肯野纤维网络赋予专门的传导特性,用以再现电信号从室间隔下传至心尖、再沿心室壁向上回传的典型激动模式,为电–机耦合与主动收缩提供合理的电生理基础。

   
   


三、参数标定:从“数据”到“模型”的科学衔接

参数标定是确保数字心脏模型准确性的关键环节。达索系统采用了系统化的标定流程,包括实验数据收集、数据预处理、模型选择、参数初始化、参数优化和验证优化等步骤。其中,AI材料参数自动校准技术的引入,更是显著提高了参数标定的效率和准确性。

(1)实验数据收集与预处理

收集包括应力-应变曲线、弹性模量、泊松比等基本参数在内的实验数据,并进行数据清洗和特征提取,为后续模型训练提供高质量输入。

(2) 模型选择与参数初始化

根据材料特性选择合适的材料模型,并对模型中的参数进行初始化设置,为参数优化提供基础。

(3) 参数优化与验证

利用机器学习算法对参数进行优化,并通过与实验结果的对比、交叉验证和敏感性分析等方法,不断优化参数设置,确保模型的准确性和可靠性。


四、应用前景:从科研到临床的桥梁

基于高保真的材料本构与参数标定,达索数字心脏已能:

✅ 模拟病理状态下的心脏功能变化;

✅ 测试人工瓣膜、支架等器械的性能与兼容性;

✅ 预测患者个体化治疗后的心脏响应;

✅ 为医学教育与手术规划提供可视化工具。


五、结语

数字心脏的构建,是力学、材料学、电生理学与计算科学深度融合的典范。达索通过系统化的本构建模与严谨的参数标定,让虚拟心脏不再只是“看起来像”,而是真正“动起来像”、“响应像”,甚至“预测像”一颗真实的心脏。

未来,随着更多生理数据的融入与仿真技术的迭代,数字心脏有望成为心血管领域不可或缺的科研与临床辅助平台,推动精准医疗向前迈进一大步。


来源:懿朵科技
振动非线性系统仿真UM参数优化材料试验
著作权归作者所有,欢迎分享,未经许可,不得转载
首次发布时间:2025-12-27
最近编辑:8月前
懿朵科技
签名征集中
获赞 29粉丝 29文章 199课程 0
点赞
收藏
作者推荐

【无人机噪声性能评价方案】基于对人类烦恼感有显著影响的心理声学指标的无人机噪声性能评价模型

引言随着低空经济的蓬勃发展,电动无人机在物流、测绘、应急救援等领域的应用日益广泛。然而,无人机运行时产生的噪声问题逐渐成为制约其普及的关键因素。本文拟介绍一套以对人类烦恼感有显著影响的心理声学指标为目标的无人机噪声性能评价模型,助力行业实现绿色可持续发展。 一、无人机噪声引发的人类烦恼感与其技术、运行参数以及心理声学指标之间的关系[1]为了解决无人机噪声排放问题,来自德国博世公司、亚琛工业大学航空航天研究所的Ronja König等,构建一个涵盖技术参数、运行参数与声学特征的无人机噪声数据库,用于分析这些参数与人类烦恼感之间的关系。研究结果表明,降低响度,锐度,音调,粗糙度或波动强度等心理声学参数可以有效改善人类烦恼感;社会文化因素不影响人类烦恼感。技术和操作参数影响人类烦恼感,特别是当降低桨叶速度时。1. 研究方法构建一个涵盖技术参数、运行参数与声学特征的无人机噪声预测方法包含四个步骤:无人机噪声数据采集:文献采用了悬停试验台和室内真实飞行两套实验平台进行声学测量,共采集了包含技术参数(桨叶数量、桨叶长度、桨距、是否带导管、桨尖间隙)、运行参数(转速(RPM)、前进速度、载荷质量、推力、能量消耗、桨尖马赫数(Mt)等)声学参数(A计权声压级(Lp(A))、响度、尖锐度、音调度、粗糙度、波动强度、脉冲度等)在内的207组音频样本(161组来自悬停台,46组来自飞行实验)。 实验设置说明全球数字听音实验:使用 Bradley-Terry-Luce (BTL) 模型对 pairwise 比较结果进行建模;分别计算578人(覆盖亚洲、欧洲、美洲,年龄18–62岁,男女比例均衡)整体排名和不同社会文化子群体(如不同洲、年龄、性别)的排名,用于后续分析。 数字听音实验介绍(左表为噪声的升学参数等概况表,右为软件界面)无人机心理声学指标对人类烦恼度影响分析:建立线性回归模型,以心理声学指标(响度(Loudness)、尖锐度(Sharpness)、音调度(Tonality)、粗糙度(Roughness)、波动强度(Fluctuation Strength)脉冲度)为自变量,烦恼度BTL得分为因变量,分析心理声学指标对烦恼度BTL的影响程度。 心理声学指标的范围无人机技术/操作参数对人类烦恼度影响分析:使用一套专为无人机概念设计开发的工具,分析载荷与转速对噪声水平(通过Mt变化预测)、功率与能量消耗、起飞质量与续航能力、是否仍能完成任务需求的影响。2.主要结论心理声学指标的重要性:响度(特别是ISO 532-1标准)是预测烦恼感最有效的指标;尖锐度(Aures方法)也有显著相关性。 心理声学指标对无人机噪声人类烦恼度的影响社会文化因素影响有限:不同地区、年龄、性别等群体对无人机噪声的烦恼感没有显著差异;噪声敏感性等个体因素未显著改变整体趋势。技术与运行参数的影响:能量消耗、载荷和桨尖马赫数(Mt)对烦恼感有显著影响;降低桨尖速度可有效降低烦恼感,但可能影响飞行性能;减少载荷可在一定程度上降低噪声,同时保持性能。 二、Wave6声学仿真计算平台:无人机噪声性能评价模型懿朵科技根据达索Wave6声学仿真软件,在单一集成环境中可将FE, BEM和SEA中的新方法结合起来,以精确仿真噪声和振动,实现全频率范围仿真,为无人机噪声性能评价提供一站式解决方案:气动声学仿真:利用有限元和梯度统计能量法,可对无人机表面的气动噪声进行仿真分析。隔声分析:利用理论计算、有限元和统计能量法,可评估和优化降噪结构的隔声量,提升隔音效果。舱内声场分析:利用有限元和梯度统计能量法,可对无人机舱内声场进行预测评估和分析。环境声学分析:利用梯度统计能量法,可快速评估无人机周边环境的噪声情况。依据实测无人机噪声数据,基于Wave软件,可计算无人机舱室内外的噪声数据。三、基于对人类烦恼感有显著影响的心理声学指标的无人机噪声性能评价模型懿朵团队基于无人机噪声实测数据,成功拟合出声压级与响度及尖锐度传递函数模型。借助该模型,可在研发阶段以仿真手段精准预测无人机噪声的人体感知影响,为噪声性能提升提供决策依据。 结语懿朵科技以文献研究为基础,通过Wave6计算平台与多学科优化技术,为电动无人机提供了噪声性能评价方案。未来,懿朵科技将继续深耕振动噪声技术领域,推动无人机行业向低噪声、高效率方向迈进,为低空经济的可持续发展贡献力量。参考文献:[1] König R, Babetto L, Gerlach A, et al. Prediction of perceived annoyance caused by an electric drone noise through its technical, operational, and psychoacoustic parameters.[J].The Journal of the Acoustical Society of America, 2024, 156(3): 1929-1941.来源:懿朵科技

未登录
还没有评论
课程
培训
服务
行家
VIP会员 学习计划 福利任务
下载APP
联系我们
帮助与反馈