18 de mayo de 2015
El estudio actual establece una metodología de simulación de elemento finito-experimento acoplado a obtener la respuesta mecánica dinámica uniaxial de biomateriales blandos (cerebro, hígado, tendón, grasa, etc.). Los resultados experimentales multiaxiales que surgieron a causa de la muestra abombamiento obtuvieron de Split-Hopkinson pruebas de presión bares fueron prestados a un comportamiento tensión-deformación uniaxial cierto cuando simulado mediante la optimización iterativa del análisis de elementos finito
El objetivo general de este procedimiento es obtener la alta tasa de deformación uniaxial, la verdadera respuesta a la deformación por tensión de los biomateriales blandos que se están probando. Esto se logra probando primero una muestra de cerebro en una barra de presión de Hopkinson dividida o un aparato SHPB, y luego calibrando la versión unidimensional del modelo de material con una respuesta experimental a la deformación por estrés real. A continuación, se realiza la simulación de elementos finitos o FE de la configuración SHPB para evaluar la dirección de carga media, la tensión y la tensión de la línea central de la muestra.
El paso final es comparar iterativamente el ajuste del modelo de material unidimensional y la tensión de la línea central de la simulación de FE, y la dirección de carga de FE tridimensional, la tensión y la respuesta experimental a la deformación por tensión verdadera hasta obtener una buena concordancia entre los resultados antes mencionados. En última instancia, se utiliza la metodología experimental acoplada de elementos finitos para demostrar que la verdadera respuesta a la deformación por tensión uniaxial para biomateriales blandos puede obtenerse utilizando un SHPB. La principal ventaja de esta técnica sobre los métodos existentes, como las pruebas de tubo de choque, es que esta técnica produce la respuesta mecánica uniaxial de alta velocidad de deformación de un biomaterial blando.
Las implicaciones de esta técnica se extienden hacia el diagnóstico de la lesión cerebral traumática a través del modelado virtual del cuerpo humano. Porque los datos obtenidos del método actual pueden capturar con precisión las lesiones locales y los daños derivados de un traumatismo en la cabeza humana. Primero tuvimos la idea de este método cuando trabajamos en la correlación de los datos del experimento de alta tasa de deformación del cerebro con los resultados de la tiroides y el modelado, demostrando este procedimiento estará el veterinario Dr. Jim Cooley, el estudiante graduado, el Sr. Soro Patnaik y el investigador asociado Sr. Wilburn Wittington Bajo la supervisión de un veterinario, extraer quirúrgicamente órganos porcinos como el cerebro, hígado, músculo, grasa o tendón.
Luego colóquelos en recipientes llenos de solución salina tamponada con fosfato o PBS para su almacenamiento temporal. Guarde los recipientes de PBS en un refrigerador con hielo y transpórtelos inmediatamente a las instalaciones de prueba para la preparación de muestras y la división Hopkins en una barra de presión o prueba SHPB. Una vez en el centro de pruebas, retire el órgano porcino del recipiente de PBS y colóquelo sobre una superficie estéril.
Identifique la orientación y las ubicaciones de la fibra principal para cada muestra de prueba. A continuación, utilice un tinte cilíndrico con un diámetro interior de 30 milímetros para diseccionar la muestra de prueba del órgano porcino. A continuación, utilice un andamio para recortar la muestra al grosor y la relación de aspecto prescritos para las pruebas SHPB de muestras porcinas.
El grosor es de 10 a 15 milímetros, mientras que la relación de aspecto es del punto 33 a 0,5. Utilice calibradores para medir el grosor y el diámetro en tres lugares diferentes. Coloque una barra deflectora, una barra incidente y una barra transmitida en las extensiones metálicas para la prueba SHPV.
Asegúrese de que las barras se muevan libremente al tacto y que sus interfaces estén alineadas entre sí. Proporcione un tope para la barra transmitida por seguridad. Conecte los medidores tensados, adhiérase a las barras incidente y transmitida al amplificador de señal.
Encienda los amplificadores de acondicionamiento de señal y la computadora del módulo de adquisición de datos. A continuación, inicialice el software de captura de datos de alta velocidad. Verifique la captura en vivo de las señales para ver si se encuentran dentro del rango normal y anule las señales de ruido haciendo clic en el icono cero.
Cargue la barra deflectora adyacente a la cámara de presión. Construya la cámara de presión a la presión deseada abriendo la boquilla del tanque de nitrógeno y luego la válvula de entrada de las cámaras de presión, ponga a cero el medidor de velocidad láser presionando el botón cero y configúrelo para leer la velocidad de la barra deflectora ajustando la tira reflectora en la barra deflectora. Detrás de los sensores láser.
Coloque las cámaras de confinamiento de muestras de manera que no obstaculicen el movimiento de movimiento de la barra incidente y reflejada. A continuación, coloque la barra incidente en contacto con la barra transmitida para fines de calibración. Realice una prueba sin una muestra encendiendo el interruptor de disparo de la cámara de presión en la barra Stryker.
Después de la calibración, coloque una muestra cilíndrica entre la barra incidente y la transmitida y, a continuación, cierre la cámara de confinamiento de la muestra. Asegúrese de que no se realice ningún acondicionamiento previo en la muestra evitando cargar y descargar la muestra varias veces y realice la prueba una vez completada la prueba. Utilice toallitas sanitarias desechables para eliminar los residuos de muestras de la barra incidente, la barra transmitida y la cámara de confinamiento de muestras.
Deseche todos los desechos y toallitas en bolsas de seguridad contra riesgos biológicos. Desinfectar las barras y la cámara de confinamiento de muestras. Utilizando una solución limpiadora de etanol al 70% y toallitas sanitarias.
Abra el software de alta velocidad de MSU para el análisis de Hopkins en ondas de barra. Comience el software examinando la ventana de configuración y eligiendo la opción de compresión de tensión en la pestaña de modo para pruebas uniaxiales. Además, seleccione dos medidores en la pestaña medidores y haga clic en continuar En la ventana principal, seleccione la pestaña abrir archivo uno y navegue hasta los datos de onda incidente del registro de galgas extensométricas en la barra de incidentes, seleccione la pestaña abrir archivo dos para importar el registro de galgas extensométricas de barra transmitido.
A continuación, seleccione la pestaña de parámetros en la ventana principal e ingrese los parámetros físicos de la configuración de la prueba, incluidas las dimensiones de la barra, el voltaje a los factores de deformación, las posiciones de los galgas extensométricas y las constantes de dispersión viscoelástica. Haga clic en continuar. A continuación, seleccione la pestaña seleccionar datos en la ventana principal y utilice las barras del cursor para reducir el conjunto de datos a solo la cantidad de datos que contienen las ondas incidentes, reflejadas y transmitidas.
Haga clic en continuar. En este punto, navegue a la pestaña seleccionar ondas en la ventana principal y use las barras del cursor para confinar la onda incidente en el gráfico de onda incidente, la onda reflejada y el gráfico de onda reflejada y la onda transmitida y el gráfico de onda transmitida. A continuación, haga clic en continuar.
Después de eso, seleccione la pestaña correcta en la ventana principal para permitir que el software corrija la dispersión viscoelástica. Ahora seleccione la pestaña de cambio en la ventana principal en el gráfico de ondas. Utilice el cursor para arrastrar las ondas reflejadas y transmitidas incidentes a la misma posición inicial en el tiempo.
Seleccionando cada uno individualmente. En la pestaña de selección de onda, vea todas las olas en el gráfico de datos. Una vez completado, haga clic en continuar en el archivo de resultados.
Guarde la posición de colocación de la carga y los perfiles de velocidad haciendo clic en Guardar como utilizando un software comercial de elementos finitos o FE. Cree un modelo FE de la configuración SHPB. A continuación, ejecute una simulación de elementos finitos.
Verifique que las mediciones de la galga extensométrica en el experimento y la simulación de elementos finitos concuerden. Incorporar la muestra de biomaterial en el modelo FE de la configuración SHPB. Asigne una implementación tridimensional del modelo de material variable de estado interno a la muestra de biomaterial.
Calibre la curva de deformación por tensión real del experimento con la curva de deformación por tensión real del modelo ajustando los parámetros de los modelos de material variable de estado interno. A continuación, asigne las constantes de material variables de estado interno a la muestra de biomaterial en el modelo FE para la configuración SHPB. A continuación, ejecute la simulación de FE con la velocidad de la barra de Stryker y la velocidad de deformación de la muestra correspondientes a las pruebas SHPB a la misma velocidad de deformación.
En el segundo paso de la calibración del modelo de elementos finitos, ejecute los datos de galgas extensométricas de simulación de elementos finitos. Software de posprocesamiento de experimentos SHPB, software de alta velocidad MSU. Finalmente, realice un promedio de volumen de la tensión de dirección de carga a lo largo de los elementos de la línea central de la muestra del modelo FE.
Aquí se ejemplifica la eficacia de la metodología acoplada. La respuesta a la deformación por estrés experimental SHPV para el cerebro se encuentra en un estado de tensión más bajo en comparación con el estado de tensión del simulador de punto de material unidimensional, que es similar al promedio del estado de tensión de la línea central de la muestra FE. Esto se debe a la naturaleza multiaxial de la deformación.
Esa exhibición blanda de BioMAT que se muestra aquí son constantes de material representativas para el cerebro obtenidas a través de la metodología de simulación F FE del experimento SHPB acoplado. Las galgas extensométricas de análisis de elementos finitos virtuales se comparan con las galgas extensométricas experimentales y, a continuación, se comparan simultáneamente el simulador de punto de material y el promedio de la línea central de FE para lograr una buena concordancia. Aquí las constantes del material se varían hasta que más de dos están en buen acuerdo.
Esta figura muestra que la curva experimental SHPB de deformación por tensión verdadera en realidad mide el primer invariante de tensión en lugar del comportamiento de la deformación por tensión de la dirección de carga uniaxial. Por lo tanto, el uso de los resultados experimentales de SHPB por sí solo sería erróneo si no se combinara con el modelado de tipo FE para evaluar el comportamiento uniaxial. Una vez dominada, esta técnica se puede realizar en 12 horas si se realiza correctamente.
Al intentar este procedimiento, es importante recordar que los experimentos e estratos multiaxiales al probar suavizan los materiales de alambre.
Vea la transcripción completa y acceda a miles de videos científicos
Este estudio presenta una metodología de simulación de elementos finitos experimento-acoplada para determinar la respuesta mecánica dinámica uniaxial de biomateriales blandos como el cerebro y el hígado. El enfoque implica el uso de pruebas de Split-Hopkinson Pressure Bar para obtener resultados experimentales multiaxiales, que luego se optimizan mediante análisis de elementos finitos.
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.
The method integrates into early discovery workflows by providing biomechanical phenotyping data that informs target selection and pathway analysis prior to lead identification.