采用三种响应面方法对多目标血液泵叶轮进行优化，并制作了集成式电机泵的原型定子铸件

《Scientific Reports》：Multiobjective blood pump impeller optimization with three response surface methods and prototype stator casting for an integrated motor pump

　　

摘要

心血管疾病是全球主要的死亡原因之一；旋转式血泵是治疗这类疾病的关键技术。以往的优化研究通常采用单一目标函数来处理有限的几何变量。我们在全面的参数化框架下研究了多个相互冲突的目标：包括15个叶片和流道设计变量，通过实验设计计划生成了290个计算流体动力学案例，并这些案例经过美国食品药品监督管理局（FDA）基准泵的验证。我们使用了克里金（Kriging）、遗传聚合（Genetic Aggregation）和神经网络（Neural Networks）作为响应面替代模型，从而能够对不同的响应面方法进行直接比较。多目标遗传算法同时实现了出口压力的最大化以及平均标量剪切应力的最小化。我们对三种帕累托最优设计进行了全局和局部敏感性分析。神经网络替代模型在优化过程中表现最佳；最优化后的设计使出口压力提高了23%，平均标量剪切应力降低了26%。为了将仿真结果与实际硬件相结合，我们还快速制作了一个Fe₃O₄铸造的定子原型。这些成果展示了从基于实验设计的替代模型建模和多目标优化到集成血泵驱动器原型实现的完整流程。