非球形颗粒悬浮液建模的有限元/神经网络框架：概念与医学应用
流体动力学
2020-09-24 v1 医学物理
摘要
若要准确预测悬浮于流体中颗粒的平动与转动运动，唯有在已知流固相互作用力系数完整关联式的前提下才可能实现。因此，本研究致力于推导并验证一个新框架，以确定不同非球形颗粒在流体流动中的阻力、升力、旋转力矩和俯仰力矩系数。该研究的动机源于医学应用，其中颗粒可能具有任意且复杂的形状。通常在此情况下无法推导准确的解析模型来预测不同的水动力。然而，以血液的各种组分为例，其形状在调控血液黏度或凝血等多项身体功能中起着重要作用。因此，所提出的模型被设计为可适用于广泛的形状范围。医学与生物应用中悬浮液的另一重要特征是颗粒数量庞大。我们提出的建模方法可高效用于含大量颗粒的固液悬浮液仿真。基于典型颗粒的已求解数值模拟，我们生成数据以训练一个神经网络，从而快速估算浸没于流体中特定颗粒所受的水动力。
引用
@article{arxiv.2009.10818,
title = {A finite element / neural network framework for modeling suspensions of non-spherical particles. Concepts and medical applications},
author = {Martyna Minakowska and Thomas Richter and Sebastian Sager},
journal= {arXiv preprint arXiv:2009.10818},
year = {2020}
}