基于周期性校正神经网络的血流血管壁耦合

作     者：买雪洁 石杰元 童倩倩 MAI Xuejie;SHI Jieyuan;TONG Qianqian

作者机构：武汉大学计算机学院 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2019年第55卷第24期

页      码：178-183页

摘      要：针对传统的血流血管壁耦合难以兼顾计算效率和视觉真实感的问题,提出了一种基于周期性校正神经网络(Periodic-corrected Network,PcNet)的血流血管壁耦合数据驱动仿真方法。设计基于平滑粒子流体动力学(SPH)的血流粒子状态特征向量,对邻域血流粒子和血管壁代理粒子的混合贡献进行建模。提出一种半监督的神经网络——改进的周期性校正神经网络,预测每个粒子在下一帧的加速度。实验结果表明该仿真方法实现了快速、稳定、逼真的血流血管壁耦合。

主 题 词：流固耦合 血管壁 数据驱动 周期性校正 平滑粒子流体动力学(SPH) 

学科分类：08[工学] 080203[080203] 0802[工学-机械学] 

D　O　I：10.3778/j.issn.1002-8331.1809-0197

馆 藏 号：203861295...