← مقالات / طراحی بهینه آزمایش
Journal of the Mechanical Behavior of Biomedical Materials · 2025

طراحی بهینه آزمایش برای شناسایی تکرارپذیر مواد هایپرالاستیک

Optimal Experimental Design for Repeatable Hyperelastic Material Characterization

امیررضا اسدی · کاوه لکساری

Journal of the Mechanical Behavior of Biomedical Materials (2025). DOI: 10.1016/j.jmbbm.2025.107104.

چکیده گرافیکی انتخاب آزمایش‌های هایپرالاستیک بر اساس محتوای اطلاعاتی و کاهش عدم‌قطعیت پارامترها
نمای گرافیکی ساده از جریان کار و خروجی پژوهش.

خلاصه پژوهش

شناسایی قابل‌اعتماد پارامترهای هایپرالاستیک برای مدل‌سازی مکانیکی مواد و بافت‌های زیستی ضروری است، اما انتخاب نامناسب حالت بارگذاری و نقاط اندازه‌گیری می‌تواند باعث حساسیت شدید به نویز و عدم تکرارپذیری شود. این پژوهش چارچوب «ژاکوبین تنش–ماده» را برای انتخاب کمی نوع بارگذاری، سطح تغییرشکل و تعداد آزمایش‌ها معرفی می‌کند.

دترمینان و عدد شرط ژاکوبین نشان می‌دهند یک پروتکل آزمایشی چه مقدار اطلاعات مستقل درباره پارامترهای ماده فراهم می‌کند. این روش برای مدل‌های نئوهوکین، مونی–ریولین و آگدن بررسی شده و نشان می‌دهد انتخاب اطلاعات‌محور نقاط آزمایش می‌تواند عدم‌قطعیت پارامترها و حساسیت به خطای اندازه‌گیری را کاهش دهد.

مسئله شناسایی پارامترهای هایپرالاستیک

در شناسایی ماده، داده‌های تنش و تغییرشکل برای تخمین ضرایب مدل سازنده استفاده می‌شوند. اگر حساسیت تنش نسبت به چند پارامتر مشابه باشد، پاسخ معکوس بدشرط می‌شود و پارامترهای متفاوت می‌توانند برازش تقریباً یکسانی ایجاد کنند.

طراحی بهینه بارگذاری با ژاکوبین تنش–ماده

ژاکوبین تنش–ماده تغییر تنش پیش‌بینی‌شده را نسبت به تغییر پارامترهای ماده اندازه می‌گیرد. دترمینان بزرگ‌تر و عدد شرط کوچک‌تر به معنی اطلاعات مستقل بیشتر و جداسازی بهتر پارامترها است. بر این اساس می‌توان کشش، فشار، برش یا بارگذاری دومحوره و نقاط تغییرشکل مناسب را انتخاب کرد.

کاربرد در بیومکانیک و آزمایش بافت نرم

این چارچوب می‌تواند تعداد آزمایش‌های لازم را کاهش دهد و قابلیت مقایسه پارامترهای گزارش‌شده برای بافت‌های مشابه را افزایش دهد. طراحی آزمایش بهتر برای مدل‌سازی اجزای محدود، شناسایی مکانیکی بافت و الاستوگرافی معکوس اهمیت دارد.

نمونه تعاملی

اثر انتخاب نقاط اندازه‌گیری بر شناسایی پارامترها

این نمونه ساده، منطق فایل MATLAB همراه مقاله را بازسازی می‌کند. نقاط نمونه‌برداری و سطح نویز را تغییر دهید تا ببینید شرطی‌بودن ماتریس حساسیت چگونه بر دقت برازش اثر می‌گذارد.

راهبرد نمونه‌برداری
مکان نقاط اندازه‌گیری
عدم‌قطعیت اندازه‌گیری
مدل واقعی y = 2x² − 3x + 5

در این مثال، ماتریس طراحی A = [x², x, 1] نقش یک ژاکوبین حساسیت ساده را دارد.

برازش کمترین مربعات تابع واقعی، داده‌ها و برازش تخمینی
ریشه عدد شرط کمتر بهتر است
ریشه دترمینان بیشتر یعنی حجم اطلاعاتی بزرگ‌تر
خطای پارامترها ‖θ̂ − θ‖₂
ماتریس طراحی / ژاکوبین ساده A = [x², x, 1]
پارامترهای تخمینی θ̂ = [a, b, c]
a
b
c

دستاوردهای اصلی

  • معرفی ژاکوبین تنش–ماده به عنوان معیار کمی محتوای اطلاعاتی آزمایش
  • بهینه‌سازی نوع بارگذاری، سطح تغییرشکل و تعداد اندازه‌گیری‌ها
  • استفاده از دترمینان و عدد شرط برای تشخیص پروتکل‌های پایدار و حساس به نویز
  • اعتبارسنجی برای مدل‌های نئوهوکین، مونی–ریولین و آگدن

خلاصه روش

ورودیحالت‌های بارگذاری، سطوح کشش و مجموعه نقاط اندازه‌گیری
معیار اطلاعاتژاکوبین تنش–ماده و ماتریس اطلاعات
معیار طراحیدترمینان، عدد شرط، پایداری و تکرارپذیری
خروجیپروتکل آزمایشی کارآمدتر و بهترشرط‌شده

حمایت مالی پژوهش

این پژوهش با حمایت مؤسسه ملی سلامت آمریکا از طریق جایزه Trailblazer مؤسسه NIBIB با شماره R21EB032187 و گرنت مؤسسه NINDS با شماره 1R01NS131554-01 انجام شده است.

استناد

شناسه DOI مرجع رسمی مقاله است.

BibTeX
@article{Asadi2025OptimalExperimentalDesign,
  author  = {Asadi, Amirreza and Laksari, Kaveh},
  title   = {Optimal Experimental Design for Repeatable Hyperelastic Material Characterization},
  journal = {Journal of the Mechanical Behavior of Biomedical Materials},
  volume  = {170},
  pages   = {107104},
  year    = {2025},
  doi     = {10.1016/j.jmbbm.2025.107104}
}