(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210610104.9 (22)申请日 2022.05.31 (71)申请人 江苏大学 地址 212013 江苏省镇江市京口区学府路 301号 (72)发明人 申祥　王炎　李函青　田润　孙鹏　 王磊　 (51)Int.Cl. G06F 30/20(2020.01) G01M 13/00(2019.01) G01D 21/02(2006.01) (54)发明名称 一种基于数字孪生的人工瓣膜支架性能预 测方法 (57)摘要 本发明提供一种基于数字孪生的人工瓣膜 支架性能预测方法， 包括以下步骤： 获取瓣膜支 架的材料参数和几何特征； 实时监控瓣膜支架在 体外模拟服役的服役数据； 对服役数据进行预处 理； 建立疲劳力学模型； 对疲劳力学模型建立模 型耦合， 进行降阶模型分析， 建立动态更新的数 字孪生模型； 利用数字孪生模型对瓣膜支架的输 出数据进行仿真计算， 得到瓣膜支架数字孪生模 型的仿真数据； 数字孪生模型的仿真数据与服役 数据进行比较， 验证数字孪生模型的准度； 建立 剩余寿命预测模块； 建立寿命评估模块， 将剩余 寿命预测模 型中输出的剩余寿命作为输入， 将剩 余寿命与预设值进行对比， 当超出预设值时， 发 出预警。 本发 明提高了瓣膜支架力学性能预测精 度。 权利要求书2页 说明书6页 附图4页 CN 115062459 A 2022.09.16 CN 115062459 A 1.一种基于数字 孪生的人工瓣膜 支架性能预测方法， 其特 征在于， 包括以下步骤： 步骤S1.获取瓣膜 支架的材料参数和几何特 征； 步骤S2.实时监控瓣膜 支架在体外模拟服役时的服役 数据； 步骤S3.对步骤S2检测的服役 数据进行最大归一 化处理； 步骤S4.依据步骤S1中瓣膜 支架的几何特 征， 材料参数， 建立 疲劳力学模型； 步骤S5.将步骤S2得到的服役数据和步骤S4建立的疲劳力学模型耦合， 进行降阶模型 分析， 建立动态更新的数字 孪生模型； 步骤S6.将步骤S3中归一化处理之后的数据导入步骤S5建立的数字孪生模型中， 利用 数字孪生模型对瓣膜支架的输出数据进行仿真计算， 得到瓣膜支架数字孪生模型的仿 真数 据； 步骤S7.将步骤S6数字孪生模型的仿真数据与相对应的服役数据进行比较和数字融 合， 验证数字孪生模 型的准确度， 若残差序列为零均值的 白噪声， 则采信对应的瓣膜支架数 字孪生模型， 否则根据准则函数对瓣膜支架数字孪生模型 的参数进行调整和 修正， 获得修 正后的瓣膜 支架数字孪生模型； 步骤S8.基于步骤S7中的修 正后的数字 孪生模型建立剩余寿命预测模型。 2.根据权利要求1所述的基于数字孪生的人工瓣膜支架性 能预测方法， 其特征在于， 所 述步骤S1中， 瓣膜 支架的几何参数包括 瓣膜支架的外径、 厚度和椭圆率。 3.根据权利要求1所述的基于数字孪生的人工瓣膜支架性 能预测方法， 其特征在于， 所 述步骤S1中， 瓣膜 支架的材料参数包括 瓣膜支架的密度、 泊松比和弹性模量。 4.根据权利要求1所述的基于数字孪生的人工瓣膜支架性 能预测方法， 其特征在于， 所 述步骤S2中， 服役 数据包括血流压 差、 瓣膜载荷、 外 部温度、 应 变状态、 损伤面积、 损伤深度。 5.根据权利要求1所述的基于数字孪生的人工瓣膜支架性 能预测方法， 其特征在于， 所 述步骤S4中， 疲劳力学模型运用Abaqus软件建立， 包括以下步骤： 步骤S401.根据步骤S1中瓣膜 支架的几何特 征建立瓣膜支架与主动脉窦的几何模型； 步骤S402.根据步骤S1中瓣膜 支架的材料参数定义 瓣膜支架与主动脉窦的材 料属性； 步骤S403.在有限元分析Abaqus软件中设置载荷和边界条件； 步骤S404.根据步骤S40 3中的载荷和边界条件建立扩张力学模型； 步骤S405.根据步骤S404中的扩张力学模型的基础上施加疲劳载荷建立疲劳力学模 型； 步骤S406.对步骤S405得到的疲劳力学模型的各节点进行计算并求出节点的最大应 变， 在此基础上计算 瓣膜支架工作寿命。 6.根据权利要求1所述的基于数字孪生的人工瓣膜支架性 能预测方法， 其特征在于， 所 述步骤S5中， 所述降阶模型分析采用支持向量回归的数据拟合法。 7.根据权利要求1所述的基于数字孪生的人工瓣膜支架性 能预测方法， 其特征在于， 所 述步骤S6中， 步骤S3归一化处理之后的数据包括血流压差、 瓣膜载荷、 外部温度、 瓣膜支架 的应变、 损伤面积、 损伤深度。 8.根据权利要求1所述的基于数字孪生的人工瓣膜支架性 能预测方法， 其特征在于， 所 述步骤S8的剩余寿命预测模型 具体步骤如下： 步骤S801:基于修正后的数字孪生模型的数据， 采用SV R支持向量回归机构建寿命预测权　利　要　求　书 1/2 页 2 CN 115062459 A 2模型； 步骤S802:基于瓣膜支架的历史服役数据建立训练集与验证集， 采取随机抽取形式， 将 数据随机90％做训练集， 剩下10％当验证集， 随机种子任意设置， 基于训练集数据对寿命 预 测模型进行训练； 步骤S803:用网格搜索得到寿命预测模型的最优化参数， 同时将寿命预测模型的精度 与预设值进行对比， 判断精度是否 达标， 精度计算公式如下： 其中， MAPE为平均绝对百分比误差， n为瓣膜支架的样品数量， 为剩余寿命的实际值， 为剩余寿命的预测值； 步骤S804:以实时服役数据作为寿命预测模型的输入， 将剩余寿命作为剩余寿命预测 模型的输出。 9.根据权利要求1所述的基于数字孪生的人工瓣膜支架性 能预测方法， 其特征在于， 还 包括步骤S9； 所述步骤S9建立寿命评估模块， 将步骤S8的剩余寿命预测模型中输出的剩余寿命作为 寿命评估 模块的输入， 将剩余寿命与预设值进行对比， 当超出 预设值时， 发出 预警。 10.根据权利要求1所述的基于数字孪生的人工瓣膜支架性能预测方法， 其特征在于， 还包括步骤S10； 所述步骤S10是根据步骤S6中的仿真数据建立人机交互模块； 所述人机交 互模块用于 显示瓣膜支架服役过程中产生的形变。权　利　要　求　书 2/2 页 3 CN 115062459 A 3