18 mai 2015
La présente étude a prescrit une méthode de simulation par éléments finis, couplé expérience pour obtenir la réponse dynamique mécanique uniaxe de biomatériaux mous (cerveau, foie, tendon, la graisse, etc.). Les résultats expérimentaux multiaxiales qui ont surgi en raison de spécimen renflement obtenus à partir de tests de barre de pression Hopkinson ont été rendus à un vrai comportement contrainte-déformation uniaxiale quand simulé grâce à l'optimisation itérative de l'analyse des éléments finis du bio
L’objectif global de cette procédure est d’obtenir la vitesse de déformation élevée uniaxiale, la véritable réponse à la déformation des biomatériaux mous testés. Pour ce faire, il faut d’abord tester un échantillon de cerveau dans une barre de pression d’Hopkinson fendue ou un appareil SHPB, puis étalonner la version unidimensionnelle du modèle de matériau avec une véritable réponse expérimentale à la contrainte et à la déformation. La simulation par éléments finis ou EF de la configuration SHPB est ensuite effectuée pour évaluer la direction de charge moyenne, la contrainte et la contrainte de la ligne centrale de l’échantillon.
La dernière étape consiste à comparer de manière itérative l’ajustement du modèle de matériau unidimensionnel et la contrainte centrale de la simulation EF, ainsi que la direction de charge tridimensionnelle, la contrainte et la réponse expérimentale à la déformation jusqu’à ce qu’un bon accord entre les résultats susmentionnés soit obtenu. En fin de compte, la méthodologie expérimentale couplée par éléments finis est utilisée pour montrer que la réponse uniaxiale à la déformation sous contrainte réelle pour les biomatériaux mous peut être obtenue à l’aide d’un SHPB. Le principal avantage de cette technique par rapport aux méthodes existantes telles que les essais en tube de choc est qu’elle rend la réponse mécanique uniaxiale à haute vitesse de déformation d’un biomatériau mou.
Les implications de cette technique s’étendent au diagnostic des lésions cérébrales traumatiques par la modélisation virtuelle du corps humain. Parce que les données obtenues à partir de la méthode actuelle peuvent capturer avec précision les blessures et les dommages locaux résultant d’un traumatisme à la tête humaine. Nous avons d’abord eu l’idée de cette méthode lorsque nous avons travaillé sur la corrélation des données de l’expérience sur le taux de déformation élevé du cerveau avec les résultats de la thyroïde et de la modélisation, La démonstration de cette procédure sera le vétérinaire Dr. Jim Cooley, l’étudiant diplômé, M. Soro Patnaik et l’associé de recherche M. Wilburn Wittington Sous la supervision d’un vétérinaire, extraire chirurgicalement des organes porcins tels que le cerveau, foie, muscle, graisse ou tendon.
Ensuite, placez-les dans des récipients remplis de solution saline tamponnée au phosphate ou de PBS pour un stockage temporaire. Stockez les récipients PBS dans une glacière glacée et transportez-les immédiatement vers le centre d’essai pour la préparation des échantillons et le fractionnement des Hopkins en barre de pression ou en test SHPB. Une fois dans l’installation d’analyse, retirez l’organe porcin du récipient PBS et placez-le sur une surface stérile.
Identifiez l’orientation et l’emplacement des fibres primaires pour chaque échantillon de test. Utilisez ensuite un colorant cylindrique d’un diamètre intérieur de 30 millimètres pour disséquer l’échantillon d’essai de l’organe porcin. Ensuite, utilisez un échafaudage pour couper l’échantillon à l’épaisseur et au rapport d’aspect prescrits pour l’analyse SHPB des échantillons porcins.
L’épaisseur est de 10 à 15 millimètres tandis que le rapport d’aspect est de 33 à 0,5. Utilisez des pieds à coulisse pour mesurer l’épaisseur et le diamètre à trois endroits différents. Placez une barre de percutation, une barre incidente et une barre transmise dans les extensions métalliques pour les essais SHPV.
Assurez-vous que les barres se déplacent librement au toucher et que leurs interfaces sont alignées les unes avec les autres. Prévoyez un bouchon pour la barre transmise pour plus de sécurité. Connectez les jauges de contrainte, adhérez aux barres incidentes et transmises à l’amplificateur de signal.
Allumez les amplificateurs de conditionnement de signal et l’ordinateur du module d’acquisition de données. Initialisez ensuite le logiciel de capture de données à grande vitesse. Vérifiez la capture en direct des signaux pour voir s’ils se trouvent dans la plage normale et annulez les signaux de bruit en cliquant sur l’icône zéro.
Chargez la barre de percutement adjacente à la chambre de pression. Construisez la chambre de pression à la pression souhaitée en ouvrant la buse du réservoir d’azote, puis la soupape d’entrée des chambres de pression, mettez à zéro le compteur de vitesse laser en appuyant sur le bouton zéro et réglez-le pour lire la vitesse de la barre de frappe en réglant la bande réflecteur sur la barre de gâche. Derrière les capteurs laser.
Placez les chambres de confinement de l’échantillon de manière à ce qu’elles n’entravent pas le mouvement de mouvement de la barre incidente et réfléchie. Placez ensuite la barre incidente en contact avec la barre transmise à des fins d’étalonnage. Exécutez un test sans échantillon en activant la gâchette de la chambre de pression sur la barre Stryker.
Après l’étalonnage, placez un échantillon cylindrique entre la barre incidente et la barre transmise, puis fermez la chambre de confinement de l’échantillon. Assurez-vous qu’aucun préconditionnement n’est effectué sur l’échantillon en évitant de charger et de décharger l’échantillon plusieurs fois et effectuez le test une fois le test terminé. Utilisez des lingettes hygiéniques jetables pour enlever les débris de l’échantillon de la barre d’incident, de la barre transmise et de la chambre de confinement de l’échantillon.
Jetez tous les débris et les lingettes dans des sacs de sécurité pour matières biologiques. Désinfectez les barres et la chambre de confinement des échantillons. Utilisation d’une solution nettoyante à 70 % d’éthanol et de lingettes hygiéniques.
Ouvrez le logiciel à haut débit MSU pour l’analyse de Hopkins en ondes bar. Commencez le logiciel en examinant la fenêtre des paramètres et en choisissant l’option de compression de tension dans l’onglet mode pour les essais uni axials. Sélectionnez également deux jauges dans l’onglet jauges et cliquez sur Continuer Dans la fenêtre principale, sélectionnez l’onglet Ouvrir le fichier un et accédez aux données d’onde incidente à partir de l’enregistrement de la jauge de contrainte sur la barre d’incident, sélectionnez l’onglet Ouvrir le fichier deux pour importer l’enregistrement de la jauge de contrainte de la barre transmise.
Ensuite, sélectionnez l’onglet des paramètres dans la fenêtre principale et saisissez les paramètres physiques de la configuration de test, y compris les dimensions de la barre, les facteurs de tension à déformation, les positions des jauges de contrainte et les constantes de dispersion viscoélastique. Cliquez sur Continuer. Sélectionnez ensuite l’onglet Sélectionner les données dans la fenêtre principale et utilisez les barres de curseur pour réduire l’ensemble de données à la quantité de données contenant les ondes réfléchies et transmises par l’incident.
Cliquez sur Continuer. À ce stade, accédez à l’onglet Sélectionner les ondes dans la fenêtre principale et utilisez les barres de curseur pour confiner l’onde incidente dans le graphique des ondes incidentes, l’onde réfléchie et le graphique des ondes réfléchies et l’onde transmise et le graphique des ondes transmises. Cliquez ensuite sur Continuer.
Après cela, sélectionnez l’onglet correct dans la fenêtre principale pour permettre au logiciel de corriger la dispersion viscoélastique. Sélectionnez maintenant l’onglet shift dans la fenêtre principale dans le graphique des vagues. À l’aide du curseur, faites glisser les ondes incidentes, réfléchies et transmises, à la même position initiale dans le temps.
En sélectionnant chacun d’entre eux individuellement. Dans l’onglet de sélection de vagues, affichez toutes les vagues dans le graphique de données. Une fois terminé, cliquez sur continuer dans le fichier de résultats.
Enregistrez les profils de position et de vitesse de placement de la charge en cliquant sur Enregistrer sous à l’aide d’un logiciel commercial d’éléments finis ou d’éléments finis. Créez un modèle EF de la configuration SHPB. Exécutez ensuite une simulation EF.
Vérifiez que les mesures de la jauge de contrainte dans l’expérience et la simulation EF sont en bon accord. Incorporer l’échantillon de biomatériau dans le modèle EF de la configuration SHPB. Attribuez une implémentation tridimensionnelle du modèle de matériau à variable d’état interne à l’échantillon de biomatériau.
Calibrez la courbe de contrainte-déformation réelle de l’expérience avec la courbe de contrainte-déformation réelle du modèle en ajustant les paramètres de la variable d’état interne du matériau. Attribuez ensuite les constantes de matériau de la variable d’état interne à l’échantillon de biomatériau dans le modèle EF pour la configuration SHPB. Ensuite, exécutez la simulation EF avec la vitesse de la barre Stryker et le taux de déformation de l’échantillon correspondant aux essais SHPB à la même vitesse de déformation.
Dans la deuxième étape de l’étalonnage du modèle EF, exécutez les données de la jauge de contrainte de simulation EF. Expérience SHPB logiciel de post-traitement logiciel MSU à haut débit. Enfin, effectuez une moyenne volumique de la contrainte de direction de charge le long des éléments de la ligne centrale de l’échantillon du modèle EF.
L’efficacité de la méthodologie couplée est illustrée ici. La réponse expérimentale SHPV à la contrainte et à la déformation pour le cerveau est à un état de stress inférieur par rapport à l’état de contrainte du simulateur de point de matériau unidimensionnel, qui s’apparente à la moyenne de l’état de contrainte de la ligne médiane de l’échantillon EF. Cela est dû à la nature multiaxiale de la déformation.
L’exposition BioMAT molle montrée ici sont des constantes de matériau représentatives pour le cerveau obtenues grâce à la méthodologie de simulation couplée de l’expérience SHPB F FE. Les jauges de contrainte virtuelles d’analyse par éléments finis sont comparées aux jauges de contrainte expérimentales, puis simultanément le simulateur de point de matériau et la moyenne de l’axe EF sont comparés pour obtenir une bonne concordance. Ici, les constantes de matériau varient jusqu’à ce que plus de deux soient en bon accord.
Cette figure montre que la courbe de contrainte-déformation réelle expérimentale du SHPB mesure en fait le premier invariant de la contrainte plutôt que le comportement contrainte-déformation de la direction de charge uniaxiale. Par conséquent, l’utilisation des seuls résultats expérimentaux du SHPB serait erronée si elle n’était pas couplée à une modélisation de type EF pour évaluer le comportement uniaxial. Une fois maîtrisée, cette technique peut être réalisée en 12 heures si elle est correctement exécutée.
En essayant cette procédure, il est important de se rappeler que les expériences et le strate multiaxial lors de l’essai de matériaux de fil ramollis.
Consultez la transcription complète et accédez à des milliers de vidéos scientifiques
Cette étude présente une méthodologie d'expérimentation couplée avec simulation par éléments finis pour déterminer la réponse mécanique dynamique uniaxiale de biomatériaux mous tels que le cerveau et le foie. L'approche implique l'utilisation de tests Split-Hopkinson Pressure Bar pour obtenir des résultats expérimentaux multiaxiales, qui sont ensuite optimisés par une analyse par éléments finis.
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.