在血管介入医疗领域，螺旋式血管机器人是腔内诊疗的核心 装备 ， 堪称 微型“血管奇兵” ， 其 流场分布直接影响机器人行进效率与血管内作业安全。 螺旋叶片 几何构型 、血流速 度 是设计阶段两大 核心 变量，参数组合 复杂 。传统稳态数值仿真 需对 不同几何 结构 、流速工况逐 个 计算，存在模型调整 复杂 、网格重复划分、单算例耗时长、多方案对比效率低等 痛点 ， 无法满足 快速迭代与性能规律分析 的需求 。

本案例 面向 血管螺旋机器人 构型设计环节 ，属于典型 的 变几何、变工况 应用 场景， 依托 Smart-SIM 通用 AI代理模型建模工具，完成 螺旋叶片 变几何与变工况场景 下 的 流场快速预测， 大幅 提升流场分析与结构优化效率。

01 仿真方案与数据集搭建

依托 Smart-SIM 通用 AI代理模型工具 完成样本构建、模型训练、模型计算、模型导出全流程操作，搭建数据驱动的 AI代理模型，实现对传统流体仿真的智能 化 替代。

数据集 由 Fluent仿真生成 的 395组 有效样本 构成 ， 研究对象为 胸主动脉血管及内置螺旋机器人，仿真结果统一输出为标准格式，配套 的工况 参 数 文件 存储为 TXT格式。训练前完成 数据的批量导入和 物理量筛选，同时 对全部 样本 开展 一致性校验，整体数据质量满足 AI模型训练要求。样本查看如图 1 所示，模型训练资源配置如图 2 所示。

  图 1 样本查看图

  图 2 模型训练资源配置界面

样本处理完成后，采用平台专业模式开展模型训练，可自主选择算法类型，精细化设置模型参数与训练参数，适配高精度工程仿真需求，算法设置界面如图 3 所示。

图 3 算法设置界面

02 Smart-SIM 预测效果展示

Smart-SIM在本案例中实现了传统流体仿真到AI智能预测的效率跨越， 变几何 、 变 工况批量计算能力得到大幅提升。传统仿真面对 大批量 几何 结构 与 血液 流速工况 组合 ，需要反复修改模型、重构网格、提交计算， 全 流程耗时 较长 ；而训练 获得 的 AI模型， 可兼容几何结构 、 血液 流速 双向输入调整， 仅更新 几何模型和工况参数 即可 秒级 输出完整速度场结果。本案例模型训练时长约 1h（4060Ti单卡），适配工程多变的设计场景。

训练完成后，用户可直观查看速度场的数值仿真结果、 AI模型计算结果和逐点计算误差，如图 4 所示，速度最大值偏差不超过 4 %。

  图 4 仿真结果和模型计算结果的对比及误差云图

模型训练过程中，损失函数曲线平稳收敛（见图 5 ），表示模型学习充分，具备优异的稳定性与泛化能力。最终测试指标如图 6 所示，模型 R²值约0.9 9 ， RMSE、MAE误差指标均控制在工程可接受区间，没有明显过拟合现象，精度可靠、误差可控，可替代传统数值仿真，用于血管螺旋机器人速度场分析与结构优化工作。

  图 5 损失函数变化曲线示意图

  图 6 总体误差

03 模型复用与离线部署能力

模型精度验证达 到可接受范围 后，可直接保存备用如图 7 ，支持全新自定义几何模型导入 +任意工况参数输入，真正实现变几何、多工况场景的通用化预测。本案例导入全新STP格式血管机器人几何模型，设置 血液 流速 为 0.2m/s 开展预测计算，软件可快速输出对应的速度流场，可视化云图如图 8 所示。

图 7 模型保存界面

  图 8 新几何预测结果云图

同时， Smart ‑ SIM可将训练完成的模型导出独立exe程序如图 9 所示，导出的 exe程序可脱离软件平台，通过命令行调用预测，满足工程自动化批量计算需求。程序最终自动输出 VTU格式结果文件，可通过新建工程作为样本导入查看，也可借助第三方可视化工具对结果进行查看，效果如图1 0 所示，在几何与参数相同的情况下，与软件中图 8 的预测结果一致。

图 9 模型导出

  图1 0 第三方后处理软件查看结果云图

04 案例总结

该血管螺旋机器人流场预测案例，落地价值清晰，精准解决行业核心痛点：

1. 解决 变 几何 + 多流速工况下批量仿真难度大、迭代与分析周期长的痛点，支撑血管机器人快速 构型 优化；

2. 仿真效率实现超百倍提升，同时精度 在可接受范围 ，兼顾高效性与可靠性；

3. 模型泛化性、复用性强，可复用至同类腔内机器人、微型流道结构等流体速度场预测场景。

目前 Smart-SIM智能快速预测工具 V1.0 已正式上线！

欢迎广大工程技术人员体验 AI极速仿真能力！