基于仿真和智能算法骨骼肌超弹性本构参数的反演方法研究

摘要

从事高强度的体力工作者经常会发生肌肉软组织的损伤,因此对骨骼肌的变形特性和应力分布的研究受到了越来越多的重视.获取正确的本构参数对于生物软组织的力学行为的研究至关重要,而本构参数的确定本质上是一个逆过程,具有很大的挑战性.本文分别采用K近邻(K-nearest neighbor,KNN)模型和支持向量机回归(support vector machine regression,SVR)模型并结合非线性有限元仿真,提出了两种确定骨骼肌本构参数的反演方法.首先建立了骨骼肌压缩的有限元模型,对其压缩条件下的变形特性进行了有限元仿真,得到了相应的变形特性及应力分布规律,同时也建立了骨骼肌组织的名义应力和主伸长之间非线性关系的数据集.其次,分别利用KNN模型和SVR模型搭建了针对骨骼肌组织进行本构参数反演的机器学习智能算法,对相应的数据集进行训练,结合单轴压缩实验的实验数据预测了材料的本构参数.最后,对分别基于KNN模型和SVR模型对骨骼肌超弹性本构参数的误差结果进行了分析,通过引入相关系数R和决定系数R2对采用两种反演方法的有效性进行数值上的验证.结果表明,利用KNN模型和SVR模型结合有限元仿真是确定骨骼肌超弹性本构参数的有效、准确的方法,该方法也可进一步推广到其他类型的非线性软组织的本构参数反演.