In biomechanics, geometries representing complicated organic structures are consistently segmented from sparse volumetric data or morphed from template geometries resulting in initial overclosure between adjacent geometries. In FEA, these overclosures result in numerical instability and inaccuracy as part of contact analysis. Several techniques exist to fix overclosures, but most suffer from several drawbacks. This work introduces a novel automated algorithm in an iterative process to remove overclosure and create a desired minimum gap for 2D and 3D finite element models. The RBF Network algorithm was introduced by its four major steps to remove the initial overclosure. Additionally, the algorithm was validated using two test cases against conventional nodal adjustment. The first case compared the ability of each algorithm to remove differing levels of overclosure between two deformable muscles and the effects on mesh quality. The second case used a non-deformable femur and deformable distal femoral cartilage geometry with initial overclosure to test both algorithms and observe the effects on the resulting contact FEA. The RBF Network in the first case study was successfully able to remove all overclosures. In the second case, the nodal adjustment method failed to create a usable FEA model, while the RBF Network had no such issue. This work proposed an algorithm to remove initial overclosures prior to FEA that has improved performance over conventional nodal adjustment, especially in complicated situations and those involving 3D elements. The work can be included in existing FEA modeling workflows to improve FEA results in situations involving sparse volumetric segmentation and mesh morphing. This algorithm has been implemented in MATLAB, and the source code is publicly available to download at the following GitHub repository: https://github.com/thor-andreassen/femors


翻译:在生物机械学中,代表复杂有机结构的地貌结构始终由稀疏的体积数据分割而成,或由模板的地貌结构转变而成,导致相邻的地貌结构初步过度闭合。在FEA中,这些过度闭合导致数字不稳定和不准确,作为接触分析的一部分。有几种技术可以解决过度闭合,但大多数都存在一些缺陷。在迭接过程中引入了一个新颖的自动算法,以消除过度闭合,并为2D和3D 有限元素模型创造理想的最小差距。RBF网络算法是通过其四个主要步骤推出的,以消除最初的过错。此外,算法在常规节点调整中,用两个测试案例来验证。第一个案例比较了两种可变形肌肉之间的过度闭合能力,但多数都存在缺陷。第二个案例使用非变异形的Flickral-Feiltalal-altical 和变形变形的软体流变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形变形

0
下载
关闭预览

相关内容

Automator是苹果公司为他们的Mac OS X系统开发的一款软件。 只要通过点击拖拽鼠标等操作就可以将一系列动作组合成一个工作流,从而帮助你自动的(可重复的)完成一些复杂的工作。Automator还能横跨很多不同种类的程序,包括:查找器、Safari网络浏览器、iCal、地址簿或者其他的一些程序。它还能和一些第三方的程序一起工作,如微软的Office、Adobe公司的Photoshop或者Pixelmator等。
神经常微分方程教程,50页ppt,A brief tutorial on Neural ODEs
专知会员服务
71+阅读 · 2020年8月2日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
2019年机器学习框架回顾
专知会员服务
35+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
IEEE TII Call For Papers
CCF多媒体专委会
3+阅读 · 2022年3月24日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium4
中国图象图形学学会CSIG
0+阅读 · 2021年11月10日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium2
中国图象图形学学会CSIG
0+阅读 · 2021年11月8日
【ICIG2021】Latest News & Announcements of the Plenary Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年11月1日
【ICIG2021】Latest News & Announcements of the Industry Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年7月28日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
Spiking neural networks for nonlinear regression
Arxiv
0+阅读 · 2022年10月26日
VIP会员
相关资讯
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
IEEE TII Call For Papers
CCF多媒体专委会
3+阅读 · 2022年3月24日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium4
中国图象图形学学会CSIG
0+阅读 · 2021年11月10日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium2
中国图象图形学学会CSIG
0+阅读 · 2021年11月8日
【ICIG2021】Latest News & Announcements of the Plenary Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年11月1日
【ICIG2021】Latest News & Announcements of the Industry Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年7月28日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
Top
微信扫码咨询专知VIP会员