软胶原
组织在循环载荷下会发生疲劳损伤,表现为刚度降低和残余变形。本文以牛心包作为模型组织,通过实验和建模研究其疲劳损伤和微观结构演化。西安交通大学唐敬达教授提出了一种实验方法,用于表征循环加载过程中的纤维分布,发现其演化规律满足指数函数。进一步地,我们将纤维分散度、纤维刚度和残余变形的演化规律纳入软组织的本构模型中,建立了疲劳损伤模型。该模型能准确预测牛心包在200,000次循环内的应力-拉伸曲线。研究发现,较大的拉伸幅值会导致更严重的疲劳损伤,表现为更显著的纤维重取向和刚度降低。组织的初始纤维取向对疲劳损伤有重要影响,并通过微观观察进行了分析。本工作将微观结构演化纳入唯象学框架以量化疲劳损伤行为,有助于理解生物组织的损伤过程。
研究成果以“Fatigue damage and microstructure evolution of soft collagenous tissues”为题发表于固体力学领域旗舰期刊Journal of the Mechanics and Physics of Solids。
软胶原组织(如肌腱、心脏瓣膜)在生理环境下需要承受持续的循环载荷,以确保正常功能。这些组织由柔软的基质和波浪状的胶原纤维构成,这种复合结构赋予了组织高韧性和疲劳阈值。然而,在循环载荷下,纤维结构的退化会导致组织不可避免地发生疲劳损伤。疲劳损伤主要表现为刚度降低、强度下降和残余变形累积。现有的理论模型(如伪弹性模型、连续损伤模型)虽然能描述宏观疲劳行为,但普遍无法反映疲劳过程中组织微观结构的演化。传统疲劳测试耗时且具有挑战性,需要能够预测不同条件下组织损伤行为的理论模型。现有模型缺乏与微观结构变化的直接关联,难以揭示疲劳损伤的物理机制。需要量化在循环载荷下,胶原纤维的取向(微观结构)是如何随时间(循环次数)演变的,以及这种演变如何影响组织的宏观力学性能(如刚度、残余变形)。实验表征:采用小角光散射(SALS)技术,原位监测牛心包样本在循环拉伸过程中纤维取向的变化。通过将散射光强度的角分布拟合为π周期冯·米塞斯分布,来定量确定纤维分散度参数κ。以Holzapfel-Gasser-Ogden(HGO)模型为基础框架,构建软组织的本构模型。关键创新在于将模型中的关键参数(纤维分散度κ、纤维刚度k₁、残余变形参数ν₂)视为循环次数N的函数。通过实验数据,确定了这些参数随循环次数演化的指数函数关系。模型验证:利用较低循环次数(如400,000次)测试标定出的参数演化规律,成功预测了更高循环次数(1,000,000次)下的应力-应变曲线,验证了模型的预测能力。精准预测:建立的疲劳损伤模型能够非常准确地复现牛心包在200,000次循环内的应力-拉伸曲线,很好地捕捉了刚度下降和残余变形累积这两种核心疲劳现象。发现更大的拉伸幅值会导致更严重的纤维重取向(κ减小)和刚度退化(k₁减小)。明确了初始纤维取向对损伤行为的决定性影响:当纤维方向与加载方向垂直(XD)时损伤最严重,平行时(PD)损伤最轻,高度分散(HD)时介于二者之间。并通过显微观察证实了纤维重取向的趋势。排除了加载频率(在0.1-10 Hz内)和蠕变效应是残余变形主因的可能性,指出微观结构损伤(纤维重取向和拔出)是主因。微观与宏观的桥梁:首次将定量化的、随循环次数演变的微观结构参数(纤维分散度κ)直接嵌入到连续介质本构模型中,实现了从微观演化到宏观力学响应的直接关联与预测,超越了纯唯象或纯机理的模型。实验方法创新:系统性地将小角光散射(SALS)技术应用于疲劳过程中纤维结构的动态、定量追踪,并提供了一套完整的从散射图案到纤维分散度κ的数据处理流程。模型参数演化:提出了用简单的指数函数来描述本构模型关键参数随循环次数的演化规律,使模型既保持了物理基础,又具备良好的可标定性和预测性。机制性洞察:通过结合模型与实验,清晰地揭示了不同初始纤维取向的组织在疲劳载荷下截然不同的微观结构演化路径(XD样本从有序到分散,HD样本从分散到有序,PD样本基本不变),深化了对软组织疲劳损伤机理的理解。图1:软组织胶原材料。(a)肌腱和(b)心脏瓣膜等软组织胶原材料通过循环加载实现其功能。(c)牛心包照片。比例尺为1厘米。(d)牛心包中胶原纤维的二阶谐波成像图。比例尺为500微米。、

图2:(a) 循环测试中软组织胶原材料的疲劳损伤。(b) 循环加载导致纤维重新取向并从基质中脱出。图3:用于标定纤维取向的小角光散射测试。(a) 光的衍射。(b) 通过小角光散射测试获得的散射图案的 (b) 示意图和 (c) 图像。(d) 散射图案的光强度随坐标变化。(e) 散射图案的轮廓通过椭圆拟合。根据纤维取向与拉伸方向的关系,将组织分为三组:(f) 高分散方向,(g) 优选纤维方向,和 (h) 横向纤维方向。图4:纤维分布满足π周期冯·米塞斯分布。(a) π周期冯·米塞斯分布的概率密度函数。(b) 极坐标下的π周期冯·米塞斯分布概率。(c) 集中度b主导纤维分布。图5:通过散射光强度确定纤维分散度κ。(a) 样品散射光强度图像。(b) 散射光强度是角度θ的函数。(c) 散射光强度函数I(θ)通过π周期冯·米塞斯分布进行拟合。(d) 纤维分散度κ随π周期冯·米塞斯分布的集中度b的增大而减小。(e) 对于分散的纤维取向,散射图案呈圆形,且函数I(θ)相对平坦。(f) 对于有序的纤维取向,散射图案呈椭圆形,且函数I(θ)较为集中。图6:在循环测试中检测纤维分散度演变的流程。(a) 循环测试中的位移载荷曲线。(b) 循环加载过程中散射图案的演变。(c) 样品在200,000次循环加载前后归一化光强度的角分布。(d) 纤维分散度κ随循环次数N的变化函数。

本文基于微观结构演化,建立了软胶原组织的疲劳损伤模型。开发了一种通过将散射光强度拟合为π周期冯·米塞斯分布来标定纤维取向演化的实验方法。纤维分散度的演化随循环次数遵循指数函数规律。通过将纤维分散度、纤维刚度和残余变形参数的演化引入本构模型,建立了疲劳损伤模型。该模型准确捕捉了软胶原组织的疲劳行为,包括刚度降低和残余变形的累积。纤维分散度和纤维刚度的变化均随拉伸幅值的增加而增加。当初始纤维方向与拉伸方向垂直时,疲劳损伤最为严重;当两者平行时,损伤最小。这一趋势通过微观观察得到了进一步验证。
需要指出的是,尽管体内的牛心包及在生物瓣膜应用中承受双轴/多轴载荷,但本工作的疲劳损伤测试是在单轴循环加载下进行的,这是一种非生理性加载模式。未来的工作可将疲劳测试和建模扩展到牛心包的双轴加载。本研究可能加深对生物组织疲劳损伤过程的理解,并有助于设计耐久的合成生物材料。
原文链接:
https://doi.org/10.1016/j.jmps.2025.106405