Utilização de modelos geométricos simplificados de uma córnea para fins de otimização / Use of simplified geometrical models of a cornea for optimization purposes

RESUMO

Resumo Otimização por Enxame de Partículas (PSO) é uma técnica de inteligência artificial (AI), que pode ser usada para encontrar soluções aproximadas para problemas numéricos de maximização e minimização extremamente difíceis. Neste trabalho, utilizou-se um algoritmo PSO para comparar os deslocamentos sofridos por uma amostra de córnea humana submetida à uma pressão interna de 45 mmHg com resultados de simulações numéricas e identificar valores otimizados para propriedades hiperelásticas da córnea (µ e α). Por meio dos resultados das simulações via análise inversa pelo Método dos Elementos Finitos (MEF), em conjunto com o algoritmo PSO, foram encontrados valores otimizados de µ = 0,047 e α = 106,7. Quando comparado com resultados otimizados por meio de um software comercial, foram encontrados erros de aproximadamente 0,15%. Por meio dos resultados obtidos, verificou-se ainda que, variando os valores dos coeficientes de inércia da partícula no algoritmo PSO, os resultados podem sofrer ligeira melhoria, o que demonstra potencial uso do PSO em conjunto com análise inversa do MEF para caracterização de materiais hiperelásticos, utilizando modelos geométricos simplificados

ABSTRACT

Abstract Particle Swarm Optimization (PSO) is an artificial intelligence technique (AI) that can be used to find approximate solutions to numerical problems of maximization and minimization. In this study, it was used a PSO algorithm to compare displacements from human cornea sample subjected to internal pressure of 45 mmHg with Results of numerical simulations were provided which identified optimized values for hyperelastic properties of the cornea (µ and α). By means of the results from numerical simulations via inverse analysis by the Finite Element Method (FEM), in conjunction with the PSO algorithm, optimized values of µ = 0.047 and α = 106.7 were found. When compared with optimized results from commercial software, errors around 0.15% were found. Results showed that, varying the values of particle inertia coefficients in the PSO algorithm, simulated displacements have improved when compared to experimental data. This demonstrates the potential use of PSO algorithm in conjunction with the FEM inverse analysis for hyperelastic materials characterization, using simplified geometrical models