Muscle Constitutive Model With a Tangent Modulus Approximation: Ansys Implementation and Verification
Notice bibliographique
Résumé
Sophisticated muscle material models are required to perform detailed finite element simulations of soft tissue; however, state-of-the-art muscle models are not among the built-in materials in popular commercial finite element software packages. Implementing user-defined muscle material models is challenging for two reasons: deriving the tangent modulus tensor for a material with a complex strain energy function is tedious and programing the algorithm to compute it is error-prone. These challenges hinder widespread use of such models in software that employs implicit, nonlinear, Newton-type finite element methods. We implement a muscle material model in Ansys using an approximation of the tangent modulus, which simplifies its derivation and implementation. Three test models were constructed by revolving a rectangle (RR), a right trapezoid (RTR), and a generic obtuse trapezoid (RTO) around the muscle's centerline. A displacement was applied to one end of each muscle, holding the other end fixed. The results were validated against analogous simulations in FEBio, which uses the same muscle model but with the exact tangent modulus. Overall, good agreement was found between our Ansys and FEBio simulations, though some noticeable discrepancies were observed. For the elements along the muscle's centerline, the root-mean-square-percentage error in the Von Mises stress was 0.00%, 3.03%, and 6.75% for the RR, RTR, and RTO models, respectively; similar errors in longitudinal strain were observed. We provide our Ansys implementation so that others can reproduce and extend our results.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».