Propuesta de actividades para Prácticas Curriculares Trabajo Fin de Grado y Trabajo Fin de Máster del curso 2023/24

Este curso tendremos varias propuestas temáticas, ampliando los temas de cursos anteriores. El primero de los grupos estará dedicado al análisis estructural y mecánico mediante la simulación por el método de los elementos finitos (FEM) y el machine learning (ML). Un protagonismo particular tendrán los metamateriales a la estela del programa europeo XS-Meta (https://xs-meta-itn.eu/), en el que participamos, con objeto de conocer su comportamiento como sólidos continuos y su aprovechamiento a partir de elementos fabricados en fabricación aditiva por impresión 3D. El segundo grupo temático es el dedicado al análisis biomecánico de tejidos biológicos, células y masas tumores, donde estudiáremos la evolución de estos sólidos y partículas mediante técnicas de simulación numérica, su capilarización y crecimiento, para entender su comportamiento como medios continuos. Para estas actividades, cada alumno dispondrá de un ordenador de uso exclusivo, para optimizar los resultados del trabajo.

• Simulación y cálculo estructural (Hyperworks-Optistruct, Patran-Nastran, LS Dyna, Julia, Python, Openscad y más).

• Estudio del comportamiento mecánico de metamateriales obtenidos por impresión 3D: validación de la simulación numérica y ensayos (Python, OpenScad, Matlab, Nastran y Optistruct). 

• Desarrollo de un sistema automático de detección de geometrías reales basadas en metamateriales con imágenes de profundidad mediante cámaras RGB-D, y cálculo automático de propiedades (Python, Julia, Matlab). 

• Elaboración de modelos de Machine Learning (ML) con análisis de imagen y realidad aumentada para determinar numéricamente el comportamiento mecánico y/o el daño en una estructura (Matlab, Python, LS Dyna).

• Estudio del comportamiento a impacto de metamateriales auxéticos y no auxéticos, simulación en estructuras sometidas a cargas explosivas: análisis del comportamiento elastoplástico y de fractura (LS Dyna).

• Aplicación de metamateriales en estructuras aeroespaciales: incorporación de núcleos de metamateriales en paneles de protección tenaces para fuselajes, bordes de ataque/salida de ala, palas de helicóptero y aerogeneradores (Nastran, Optistruct, LS Dyna).

• Optimización topológica basada en daño a partir de diseño generativo: modelo numérico para refuerzo de zonas de fallo y fractura (P-Nastran, H-Optistruct).

• Inestabilidades de elementos estructurales sometidos a distintas cargas y tensiones residuales: los elementos estructurales de geometría cilíndrica son ampliamente utilizados en el diseño de estructuras. Las condiciones de solicitación  son carga axial, presión interna y torsión, pudiendo tener tensiones residuales. Se utilizarán métodos numéricos de simulación con los que se pretende definir la validez de distintos diseños.

• Estudio de sensibilidad de inestabilidades en estructuras cilíndricas con técnicas de ciencia de datos: se aplicarán técnicas de ciencia de datos en el estudio de sensibilidad de las variables ligadas al comportamiento de estructuras cilíndricas sometidas a presión y carga axial. El objetivo es entender como  modifica el comportamiento de la estructura la variabilidad de los parámetros que marcan su funcionamiento con el fin de diagnosticar problemas de pandeo.

• Biomecánica (FEBio, Physicell, Julia, Python y más)

• Simulación numérica del crecimiento de tumores considerando los comportamientos viscosos e hiperelásticos y la interacción con su entorno de confinamiento (FEBio, C++).

• Estudio del efecto poblacional de las células autoinmunes mediante teoría de juegos y aprendizaje evolutivo: comportamiento en el entorno canceroso (Julia).

• Modelización del efecto de los coágulos en los procesos de angiogénesis tumoral: interacción entre el flujo sanguíneo, el crecimiento de los vasos y la metástasis (Julia, C++, FEBio).

• Simulación del comportamiento y la respuesta electromecánica de tejidos biológicos blandos (Julia, FEBio).

• Comportamiento de células cancerígenas mediante Machine Learning (Julia).

• Estudio de estabilidad en el comportamiento hiperelástico de paredes arteriales, en base a la analogía de materiales compuestos de fibras de colágeno como refuerzo de una matriz de elastina (FEBio).

(fuente: arteria FE)

(las imágenes no citadas son propiedad de los miembros del grupo ®Gamosinos)