一个耦合试验，有限元建模方法以评估生物材料软的高应变率力学响应
2015年5月18日
目前的研究规定了耦合实验-有限元模拟方法获得的软生物材料（脑，肝，肌腱，脂肪等 ）的单轴动态力学响应。那出现的多轴实验的结果，因为样品的从斯普利特 - 霍普金森压杆测试鼓胀获得通过时，生物材料的有限元分析的迭代优化模拟被渲染到单轴真应力 - 应变行为。
该程序的总体目标是获得被测软质生物材料的单轴高应变率、真实应力应变响应。这是通过首先在分体式霍普金森压力棒或 SHPB 装置中测试大脑样品，然后使用实验真实应力应变响应校准材料模型的一维版本来实现的。然后对 SHPB 设置进行有限元或 FE 仿真，以评估样品的平均加载方向、应力和中心线应力。
最后一步是迭代比较一维材料模型拟合和有限元模拟中心线应力，以及三维有限元加载方向、应力和实验真实应力应变响应，直到获得上述结果之间的良好一致性。最终，使用耦合实验有限元方法证明可以使用 SHPB 获得软生物材料的单轴真应力应变响应。与冲击管测试等现有方法相比，该技术的主要优点是该技术实现了软生物材料的高应变率单轴机械响应。
这项技术的影响延伸到通过虚拟人体建模诊断创伤性脑损伤。因为从当前方法获得的数据可以准确捕捉人体头部创伤引起的局部损伤和损伤。我们在将大脑高应变率实验数据与甲状腺和建模结果相关联时首次想到了这种方法，演示该程序的将是兽医 Jim Cooley 博士、研究生 Soro Patnaik 先生和研究助理 Wilburn Wittington 先生在兽医的监督下，手术提取猪器官，如大脑， 肝脏、肌肉、脂肪或肌腱。
然后将它们放入装满磷酸盐缓冲盐水或 PBS 的容器中临时储存。将 PBS 容器储存在冰冷器中，并立即将其运送到测试设施进行样品制备，并在压力棒或 SHPB 中分离霍普金斯。进入检测设施后，从 PBS 容器中取出猪器官并将其放在无菌表面上。
确定每个测试样品的主要纤维取向和位置。然后使用内径为 30 毫米的圆柱形染料从猪器官中解剖测试样品。接下来，使用支架将样品修剪到规定的厚度和纵横比，以便对猪样品进行 SHPB 检测。
厚度为 10 至 15 毫米，纵横比为 33 至 0.5 点。使用卡尺测量三个不同位置的厚度和直径。在金属延长件中放置撞针杆、入射杆和透射杆，以进行 SHPV 测试。
确保条可以自由移动到触摸位置，并且它们的界面彼此对齐。为传输杆提供限位器以确保安全。连接应变计，将入射和透射条粘附到信号放大器上。
打开信号调理放大器和数据采集模块 computer。然后初始化高速数据采集软件。验证信号的实时捕获，以查看它们是否位于正常范围内，并通过单击零图标消除噪声信号。
加载与压力室相邻的冲击杆。通过打开氮气罐的喷嘴，然后将压力室入口阀通过按下归零按钮将激光速度计归零，并将其设置为通过在撞针杆上设置反射条来读取撞针杆速度。激光传感器背后。
放置样品限制室，使其不会阻碍入射和反射杆的移动。然后将入射棒与透射棒接触以进行校准。通过打开 Stryker bar 上压力室的触发开关，在没有样品的情况下运行测试。
校准后，将圆柱形样品放在入射棒和透射棒之间，然后关闭样品密闭室。避免多次加载和卸载样品，确保不对样品进行预处理，并在测试完成后进行测试。使用一次性卫生湿巾清除入射杆、透射杆和样品密闭室中的样品碎屑。
将所有碎屑和湿巾丢弃在生物危害安全袋中。对样品条和样品密闭室进行消毒。使用 70% 乙醇清洁液和卫生湿巾。
打开 MSU 高速软件以分析条形波中的 Hopkins。通过检查设置窗口并在单轴测试的模式选项卡中选择拉伸压缩选项来启动软件。此外，在仪表选项卡中选择两个仪表，然后单击继续在主窗口中，选择打开的文件 1 选项卡并从入射杆上的应变计记录中导航到入射波数据，选择打开文件 2 选项卡以导入透射杆应变计记录。
接下来，选择主窗口中的参数选项卡，并输入测试装置的物理参数，包括棒材尺寸、电压与应变因子、应变片位置和粘弹性色散常数。单击 continue（继续）。然后选择主窗口中的 select data 选项卡，并使用光标条将数据集减少到仅包含入射反射波和透射波的数据量。
单击 continue（继续）。此时，导航到主窗口中的 select waves 选项卡，并使用光标条将入射波限制在入射波图、反射波和反射波图以及透射波和透射波图中。然后单击 continue（继续）。
之后，在主窗口中选择正确的选项卡，以允许软件校正粘弹性分散体。现在，在主窗口的 wave graph（波形图）中选择 shift 选项卡。使用光标将入射反射波和透射波拖动到相同的初始时间位置。
通过单独选择每个。在 wave select （波形选择） 选项卡中，查看数据图表中的所有波形。完成后，单击结果文件中的 continue （继续）。
点击另存为，使用商用有限元或 FE 软件保存载荷放置位置和速度曲线。创建 SHPB 设置的 FE 模型。然后运行 FE 仿真。
验证实验和 FE 仿真中的应变片测量值是否吻合良好。将生物材料样品整合到 SHPB 设置的 FE 模型中。将内部状态变量材料模型的三维实现分配给生物材料样品。
通过调整内部状态变量材料模型参数，使用模型的真实应力应变曲线校准实验的真实应力应变曲线。然后，在 SHPB 设置的 FE 模型中将内部状态变量材料常数分配给生物材料样品。接下来，使用对应于相同应变率的 SHPB 测试的 Stryker 杆速度和样品变形应变率运行 FE 仿真。
在 FE 模型校准的第二步中，运行 FE 仿真应变片数据。SHPB 实验后处理软件 MSU 高倍率软件。最后，沿 FE 模型样品的中心线单元计算载荷方向应力的体积平均值。
这里举例说明了耦合方法的有效性。与一维材料点模拟器的应力状态相比，大脑的 SHPV 实验应力应变响应处于较低的应力状态，这类似于 FE 样本中心线应力状态平均值。这是由于变形的多轴性质。
这里显示的软 BioMAT 展品是通过耦合 SHPB 实验 F FE 模拟方法获得的大脑代表性材料常数。将虚拟有限元分析应变片与实验应变片进行比较，然后同时将材料点模拟器和有限元中心线平均值进行比较，以达到良好的一致性。在这里，材料常数不断变化，直到两个以上完全一致。
该图表明，SHPB 实验真应力应变曲线实际上测量的是应力的第一不变性，而不是单轴加载方向应力应变行为。因此，如果不与 FE 类型建模耦合来评估单轴行为，那么单独使用 SHPB 实验结果将是错误的。一旦掌握，如果执行得当，这项技术可以在 12 小时内完成。
在尝试此过程时，重要的是要记住 实验 e 多轴 在测试软化金属丝材料时。
查看完整文字稿并访问数千部科学视频
概述
本研究提出了一种耦合实验-有限元仿真方法，用于确定大脑和肝脏等软性生物材料的单轴动态机械响应。该方法包括使用分体霍普金森压力棒测试来获得多轴实验结果，然后通过有限元分析进行优化。
关键研究组成部分
科学领域
- 生物力学
- 材料科学
- 有限元分析
背景
- 软性生物材料在动态加载下表现出复杂的机械行为。
- 传统测试方法可能无法准确捕捉高应变率响应。
- 有限元仿真可以增强对材料行为的理解。
- 分体霍普金森压力棒（SHPB）是动态测试的常用工具。
研究目的
- 获得软性生物材料的单轴高应变率真实应力-应变响应。
- 通过迭代优化提高材料建模的准确性。
- 展示耦合实验和仿真方法的有效性。
使用的方法
- 使用分体霍普金森压力棒（SHPB）测试大脑样本。
- 用实验数据校准一维材料模型。
- 对SHPB设置进行有限元仿真以评估应力响应。
- 迭代比较仿真结果与实验数据进行优化。
主要结果
- 该方法成功地呈现了软性生物材料的单轴真实应力-应变响应。
- 实验和模拟结果之间达成了良好的一致性。
- 该技术在捕捉高应变率响应方面优于传统冲击管测试。
- 展示了在生物材料测试中的广泛应用潜力。
结论
- 耦合实验-有限元方法对软性生物材料是有效的。
- 这种方法增强了对动态条件下材料行为的理解。
- 未来的研究可以在各种生物材料上扩展这种方法。
常见问题
Executive Industry Relevance
Accurate high strain rate mechanical characterization of soft biomaterials is critical for predictive modeling in trauma research and device safety assessment. This coupled experimental-FE methodology enables de-risking of target validation by providing quantitative, reproducible stress-strain data under physiologically relevant dynamic loading conditions. The approach supports translational biomarker alignment and preclinical model refinement for neurological and musculoskeletal applications.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Scientific Value: Enables mechanistic interrogation of tissue-level response to dynamic forces, supporting target hypothesis testing in neurotrauma and injury pathways.
- Operational Value: Provides standardized, quantitative outputs for comparing biomaterial behavior across disease models or genetic variants.
Screening & Assay Development
- Scientific Value: Generates reproducible, high-fidelity mechanical response curves suitable for assay standardization and cross-laboratory benchmarking.
- Operational Value: Facilitates development of biomechanical readouts for screening compounds or interventions aimed at modulating tissue resilience.
Translational & Preclinical Research
- Scientific Value: Bridges ex vivo testing with in silico human body modeling, enhancing predictive confidence in injury mechanism studies.
- Operational Value: Enables iterative model calibration to improve fidelity of virtual preclinical platforms for trauma and device evaluation.
Pipeline & Workflow Integration
The method integrates into early discovery workflows by providing biomechanical phenotyping data that informs target selection and pathway analysis prior to lead identification.
- Discovery Biology: Supports hypothesis testing related to cellular mechanotransduction and extracellular matrix integrity under dynamic load.
- Screening: Delivers standardized, quantitative stress-strain outputs enabling reliable comparison of biomaterial conditions.
- Analytics: Generates first invariant of stress and centerline stress metrics for quantitative comparison between experimental and simulated conditions.
- Translational Research: Connects experimental biomechanics to finite element human body models for injury prediction and device safety assessment.
- Enterprise Reuse: Establishes a reusable biomechanical characterization platform applicable across multiple soft tissue types and disease areas.
Operational & Enterprise Impact
- Scientific Value: Reduces mechanistic ambiguity in tissue response modeling through coupled experimental-simulation validation.
- Operational Value: Ensures reproducibility and standardization of high strain rate testing across laboratories and sample types.
- Strategic Value: Improves go/no-go decisions in trauma-related programs by providing predictive biomechanical data early in discovery.
- Portfolio Impact: Enables risk-adjusted prioritization of targets based on biomechanical de-risking data from physiologically relevant strain rates.
Implementation Considerations
- Expertise in biomechanics, split-Hopkinson pressure bar operation, and finite element modeling.
- Instrumentation including SHPB apparatus, strain gauges, high-speed data acquisition, and FE simulation software.
- Standardization protocols for sample preparation, alignment, and wave signal processing to ensure data consistency.
- Adaptation considerations for varying biomaterial properties (e.g., brain vs. tendon) requiring model recalibration.
- Practical limitations include specimen bulging necessitating invariant-based stress analysis and postmortem tissue viability constraints.
