基于代理模型的PLLA血管支架多目标结构优化方法

目的PLLA血管支架存在支撑力不足和提早断裂的问题。代理模型在支架结构优化研究中表现良好,但算例数量限制了结构参数的数量范围和模型的精准性。本研究旨在基于自动化仿真平台,实现支架多参数大范围的结构变形以找到最优结构。方法对支架的支撑环弧度1和弧度2、连接筋宽度和支架厚度参数化,使用抽样方法选取1200个样本点,对每个样本点的支架结构进行几何建模和仿真,获取每种支架结构的支撑力F和最大等效塑性应变PEEQ。采用径向基神经网络(RBF)模型、Kriging代理模型和响应面(RSM)模型构建支架结构参数与性能之间的函数模型,并比较3种代理模型的误差值(RMS)。使用遗传算法找出误差最小代理模型中的最优结构参数,并进行建模仿真,获取其对应的F和PEEQ。结果RBF、Kriging和RSM模型对F的RMS值分别为0.0558、0.0562和0.0609,对PEEQ的RMS值分别为0.1108、0.118和0.1111。通过遗传算法找到了RBF模型的最优结构参数。优化后的支架相较于初始结构,F提升了24.7%,PEEQ降低了28%。RBF模型对最优结构的F和PEEQ的预测误差分别为4.5%和2.4%。结论3种代理模型均能较好地预测支架结构性能,其中RBF模型表现最优,优化后的支架结构性能得到较大的提升,所提出的优化方法为PLLA支架结构的优化提供一定参考价值。