当前位置: 首页 > article >正文

使用 Ansys HFSS 对植入式医疗设备进行无线电力传输和 SAR 仿真

无线电力传输 (WPT) 无需物理连接器或电线即可传输电能。这项技术在各个领域都具有巨大潜力,尤其是在医疗保健领域,它可以应用于为植入式医疗设备提供动力,例如起搏器、神经刺激器和药物输送系统。通过消除对有线连接的需求,WPT 可以提高医疗设备的舒适度和使用寿命,降低感染风险,并为患者提供更大的灵活性。

然而,随着医疗设备引入无线电源,确保安全变得至关重要。需要考虑的一个关键因素是比吸收率 (SAR),它衡量人体吸收的电磁能量。对于植入式医疗设备,必须评估 SAR 以确保无线电力传输不超过安全限度,从而可能对组织或器官造成伤害。

仿真无线电力传输和 SAR 对于优化植入式医疗设备的性能,同时确保患者安全至关重要。Ansys HFSS凭借其先进的电磁仿真功能解决了这些挑战,使工程师能够详细建模和分析植入式设备。通过准确仿真功率传输效率和 SAR 水平,HFSS 提供了关键见解,支持设计更安全、更高效和更可靠的医疗设备。

在本博客中,我们将探讨如何使用Ansys HFSS仿真植入式医疗设备的无线电力传输和SAR。

 

协同仿真工作流程:

SAR 量化了单位质量的组织吸收电磁能的速率。它以瓦特/千克 (W/kg) 表示,由下式给出:

 

哪里:

  • σ = 组织的电导率 (S/m)
  • |E| = 电场强度 (V/m)
  • ρ = 组织的质量密度 (kg/m³)

 

在美国和加拿大,SAR 限值设定为 1.6 W/kg,平均超过 1 g 组织。在欧洲经济区,该限值更高,为 2 W/kg,平均为 10 g 较大体积的组织。

在以下示例中,使用 Ansys 头部模型对以 15 MHz 运行的 WPT 系统进行仿真。

 

 

WPT 设备的 HFSS 模型和 Ansys 头部模型

 

在 HFSS 中单独模拟发射器/接收器线圈有助于确定其电感,然后用于计算在所需工作频率下实现谐振所需的电容。本例创建了以下线圈,显示 15 MHz 时的电感为 0.238 μH。

 

 

发射线圈

 

 

微亨式发射器线圈电感

 

此外,线圈的自谐振可以绘制如下图:

 

 

发射机 Z 参数

线圈的 HFSS 仿真完成后,它就会链接到电路,在那里添加调谐电容器并进行调谐以实现 15 MHz 的谐振。带有调谐电容器的电路原理图如下所示:

 

 

 

绘制的 S 参数显示出出色的谐振,在 15 MHz 时回波损耗优于 -30 dB。

 

 

回波损耗

 

在完整的 HFSS 模型中,接收器使用了类似的线圈,并增加了一个塑料外壳。

 

 

 

该模型(包括发射器、接收器和磁头)最初在 HFSS 中进行仿真,然后动态链接到 Circuit,其中调谐电容器被添加到设计中。在 Circuit 中调谐电容器后,更新的激励被推回 HFSS,从而允许使用集成电路元件实现电磁场的可视化并启用 SAR 计算。带有调谐电容器的电路原理图如下所示:

 

 

 

协同仿真允许电路模型控制激励,以便对 EM 解决方案进行后处理。要在 HFSS 中以 50 欧姆负载设置 1W 的输入功率,应根据以下关系将端口 1 的电压源属性中的 ACMAG 设置为 20V:

 

 

 

 

 

WPT S 参数在 15 MHz 时表现出良好的谐振,回波损耗优于 -19 dB,插入损耗为 -0.75 dB。

 

 

S 参数

 

相应的 WPT 效率(以 S21 的平方量值计算)为 84%。

 

 

WPT 效率

 

将更新的激励推回 HFSS 后,将计算 SAR 最大值和分布。首先,创建一个对象列表,包括 skin 和 skull 对象。然后,在 SAR 设置窗口中将其选中,其中指定了组织质量和体素大小。在以下设置下,使用 IEC/IEEE 62704-4 方法计算超过 1 克组织的平均 SAR。

 

 

 

在 HFSS 中,可以通过 Edit Sources 窗口验证输入功率。在这种情况下,输入功率为 1 W。

 

 

 

在 1 W 的输入功率和 1 g 的组织质量下,模拟的 SAR 最大值为 0.4 W/kg。这相当于 4 W 的输入功率才能达到 1.6 W/kg 的美国限制。

 

 

 

超过 10 g 的模拟 SAR 最大值平均值为 0.082 W/kg,这相当于 24.4 W 的输入功率才能达到 2 W/kg 的欧盟限制。

 

 

 


http://www.kler.cn/a/553164.html

相关文章:

  • 美团将为全职及稳定兼职骑手缴纳社保,未来将覆盖所有骑手
  • Python基于Flask的豆瓣Top250电影数据可视化分析与评分预测系统(附源码,技术说明)
  • springboot使用XxlJob定时任务框架
  • php文件包含
  • JAVA 集成 ElasticSearch
  • 【STM32H743IIT6】正点原子阿波罗TFTLCD移植
  • Python高级语法之selenium
  • 服务器部署基于Deepseek的检索增强知识库
  • AllData数据中台核心菜单十三:数据湖平台
  • deepseek-r1系列模型部署分别需要的最低硬件配置
  • 解析DrugBank数据库数据|Python
  • KTransformers如何通过内核级优化、多GPU并行策略和稀疏注意力等技术显著加速大语言模型的推理速度?
  • JVM 类加载器深度解析(含实战案例)
  • 有名管道的空间大小
  • [实现Rpc] 消息抽象层的具体实现
  • IO进程 day01
  • MySQL 安装过程记录以及安装选项详解
  • 寒假总结。
  • 基于Java(JSP)+MySQL设计与实现的 MVC 鲜花订购系统
  • “以数治税”时代 数据要素的价值挖掘