优化固体微针设计:一种全面的ML增强DOE方法
Ahmed Choukri Abdullah1, Erfan Ahmadinejad1, Savas Tasoglu1,2,3,4,5
1Department of Mechanical Engineering, Koç University, Sariyer, Istanbul 34450, Turkiye.
ACS measurement science au
|October 21, 2024
概括
微针 (MNs) 为药物输送和监测提供了一种最小侵入性的替代方案. 这项研究优化了使用机器学习的四个MN设计,以在生理条件下提高耐用性.
科学领域:
- 生物材料工程 生物材料工程
- 机械工程 机械工程
- 计算建模 计算建模
背景情况:
- 微针 (MNs) 是微米尺度的针,用于药物输送,护肤和健康监测.
- 多种针头提供了一个极少侵入性的,无痛的,低成本的替代品,用于皮下针头,减少组织损伤.
研究的目的:
- 探索和优化四种不同的MN设计:圆,圆,方形金字塔和三角形金字塔.
- 通过设计优化,增强各种生理条件的MN耐用性.
主要方法:
- 在压力,曲和曲负载条件下研究了四种MN形状.
- 在ANSYS工作台中使用了实验设计方法来分析几何参数 (底部/尖端尺寸,高度,缩角度).
- 开发数学和响应表面模型,整合机器学习 (ML) 以实现多目标优化.
主要成果:
- 建立了基于变形,曲负载,安全系数 (FOS) 和曲应力来评估MN性能的综合框架.
- 生成回归模型,灵敏度图表和响应曲线以指导优化.
- 确定了四个MN形状的优化几何设计.
结论:
- 该研究提出了一种新的ML增强优化框架,用于微针设计.
- 这些发现为创建适合各种生理应用的耐用MN提供了宝贵的见解.
- 优化的MN设计可以在各种负载场景下确保结构完整性.
