Laboratoire Procédés et Ingénierie en Mécanique et Matériaux (PIMM)
Le laboratoire Procédés et Ingénierie en Mécanique et Matériaux (PIMM) rassemble une vaste gamme de spécialistes allant de la mécanique des matériaux et des structures à la chimie des polymères, des procédés de mise en forme et d’assemblage aux méthodes avancées de la simulation numérique. Les recherches sur les procédés laser et les procédés de mise en forme des polymères s’appuient sur un vaste ensemble de moyens expérimentaux.
Les travaux s’attachent en particulier aux conséquences des procédés sur les propriétés d’emploi, via les défauts et les modifications de microstructures engendrées. Les activités développées en dynamique des structures et en commande et surveillance des systèmes, au-delà de leur justification propre, permettent d’apporter de nombreuses contributions à la compréhension et à la simulation des procédés. Nous pouvons ajouter que le laboratoire possède une compétence bien établie dans le domaine de la durabilité des matériaux, notamment pour les matériaux plastiques. Enfin, depuis très récemment, nous développons des méthodes de Data Driven pour enrichir nos analyses et nos modèles dans nos diverses activités de recherche.
The Process and Engineering in Mechanics and Materials laboratory (PIMM) brings together a wide range of specialists from the mechanics of materials and structures to the polymer chemistry and from forming and assembling processes, to advanced methods for numerical simulation. Research on laser processes and procedures forming polymers are based on an extensive set of experimental means.
In particular, we deal with the consequences of the processes on the service properties via the induced defects and microstructural modifications. The activities in structural dynamics, system and vibration control, beyond their own justification, can make significant contributions to understand and simulate processes. We can add that the laboratory has a well-established expertise in the field of aging of polymer structures in service conditions. At last, we developed Data Driven approaches to improve the analyses and our modeling of our various scientific fields.
Voir le site du laboratoire PIMM :
http://pimm.ensam.eu
Recent Submissions
-
Article dans une revue avec comité de lecture(AIP Publishing, 2024-04)Laser ablation propulsion and orbit cleaning are developing areas of research. The general aim of laser-based techniques applied to this field is to maximize the momentum transfer produced by a laser shot. This work presents ...
-
Article dans une revue avec comité de lecture(MDPI AG, 2024-02)A deep geological repository for radioactive waste, such as Andra’s Cigéo project, requires long-term (persistent) monitoring. To achieve this goal, data from a network of sensors are acquired. This network is subject to ...
-
Article dans une revue avec comité de lecture(EDP Sciences, 2024-03)Resolving Partial Differential Equations (PDEs) through numerical discretization methods like the Finite Element Method presents persistent challenges associated with computational complexity, despite achieving a satisfactory ...
-
Article dans une revue avec comité de lecture(MDPI AG, 2024-02)The human brain is arguably the most complex “machine” to ever exist. Its detailed functioning is yet to be fully understood, let alone modelled. Neurological processes have logical signal-processing and biophysical aspects, ...
-
Article dans une revue avec comité de lecture(MDPI AG, 2024-02)Machine learning approaches are currently used to understand or model complex physical systems. In general, a substantial number of samples must be collected to create a model with reliable results. However, collecting ...
-
Article dans une revue avec comité de lecture(American Institute of Mathematical Sciences (AIMS), 2024-07)Trajectory optimization is a complex process that includes an infinite number of possibilities and combinations. This work focuses on a particular aspect of the trajectory optimization, related to the optimization of a ...
-
Article dans une revue avec comité de lecture(Elsevier BV, 2024-01)In this paper, we present a general methodology that we call spectral neural network (SNN) which enables to generate automatically knowing a few datapoints (eight at most), a sound and plausible yield surface for any ...