Perché è interessante
Generare geometrie random di inclusioni (gli aggregati) che rispettino una data curva granulometrica non è affatto banale: in letteratura gli algoritmi di posizionamento delle particelle possono diventare arbitrariamente complessi, soprattutto quando si punta a una generazione veloce e/o a una compattazione realistica, con frazioni di volume elevate e senza sovrapposizioni tra le particelle — i due obiettivi tendono spesso a essere in conflitto tra loro. Il progetto affronta questo compromesso tra velocità ed efficienza di impacchettamento, sviluppando e ottimizzando algoritmi di randomizzazione per generare inclusioni in meso-scala, rispettando anche la forma più probabile in funzione della tipologia di aggregati utilizzata.
Cosa farai
- Sviluppare e ottimizzare algoritmi di randomizzazione in Python per generare le inclusioni.
- Costruire i modelli in meso-scala a partire dalle geometrie generate.
Prerequisiti
- Conoscenze di base di programmazione utili ma non fondamentali, si impara durante la tesi.
Strumenti
- Python, per scrivere gli algoritmi di randomizzazione e ottimizzazione.
- Abaqus, per eseguire analisi FEM sulle geometrie generate.
Relatore
Prof. Gianluca Mazzucco · gianluca.mazzucco@unipd.it