¿Te apasiona la investigación? Ven a realizar tu doctorado en TECNALIA ¡Te estamos esperando!
Desarrollarás tu tesis doctoral entre nuestro personal experto investigador, en líneas innovadoras y con impacto en la sociedad y en proyectos de I+D actualmente en desarrollo en la organización. Contarás con una codirección de tesis en TECNALIA, que te apoyará para conseguir el nivel científico necesario. Estarás en un entorno dinámico, internacional y multidisciplinar. Además, dispondrás de acceso a un equipamiento de alto nivel tecnológico.
Investigación en técnicas avanzadas para la detección de daño en infraestructuras (SHM, de sus siglas en inglés StructuralHealthMonitoring). Para ello, se pretende combinar investigación fundamental y aplicada en 1) desarrollo de algoritmos de elementos finitos inversos, 2) técnicas de Deep Learning para aprendizaje a partir de datos y 3) validación en entorno experimental. A través de la mezcla de este tipo de técnicas se pretende desarrollar algoritmos que permitan calcular de forma rápida y precisa cual es la salud estructural de una infraestructura tipo.
Descripción larga:
Desde el área de Infraestructuras de la división de Tecnalia se están moviendo líneas de investigación en el ámbito de la mecánica avanzada y simulación, para responder a las necesidades del ámbito de las infraestructuras, tales como el envejecimiento y la resiliencia frente a eventos extremos. Para ello, se desarrollarán líneas de investigación en 1) diagnóstico del estado estructural, 2) predicción del deterioro y 3) diseño de soluciones estructurales avanzadas.
Para la primera línea de investigación en el ámbito del diagnóstico, la apuesta más fuerte del área será en el diseño de algoritmos para caracterizar el estado estructural a partir de datos de sensores de aceleración, deformación u otras variables críticas, colocados de forma precisa a lo largo de estructuras. Específicamente, se quiere apostar por el uso de algoritmos de mecánica computacional (elementos finitos) inversos, que permitan inferir parámetros esenciales que nos permitan caracterizar el daño.
Sin embargo, estos algoritmos sufren de dificultades numéricas esenciales, derivadas muchas veces de un problema matemáticamente no bien puesto así como de unos elevados costes computacionales. Esto deriva frecuentemente en resultados no físicos, así como elevados tiempos de computación con lo que supone un obstáculo muy importante para su aplicación en entorno real.
Esta tesis pretende una combinación de simulación mediante elementos finitos y técnicas de Deep Learning para obtener algoritmos inversos de SHM que calculen, a tiempo real, el estado de la estructura de forma fiable y precisa.Para ello, la investigación se centrará en estas áreas específicas:
En todo caso el/la candidato/a gozará de flexibilidad para proponer líneas de investigación de su propio interés que estén alineadas con el leitmotiv de la tesis (detección de daño en estructuras, mediante combinación de algoritmos de analítica de datos y mecánica computacional).
El candidato/a trabajará respaldado en el área por un equipo con experiencia en la modelización estructural, así como en el desarrollo de nuevos modelos. Asimismo, contará con el apoyo de personal con experiencia experimental y a pie de obra. Por el lado de la analítica de datos, el candidato será apoyado por el equipo de investigación de Javi Del Ser en la UPV-EHU, en el JointResearchLab (JRL) que él dirige y del GEI de Big Data de ICT OPTIMA.
Finalmente, el estudiante de doctorado podrá usar la red de colaboración tanto a nivel del País Vasco como internacional, de la que disponen ambos directores de la tesis. Por ejemplo, se está estableciendo una colaboración muy estrecha con el grupo de David Pardo IkerbasqueResearchProfessor del BCAM (Basque Center for Applied Mathematics) y UPV-EHU, con el que se está trabajando conjuntamente justo en este campo de aplicación.
Titulación y Especialidad:
Ingeniería de Caminos, Canales y Puertos; Ingeniería informática; Matemáticas; Física.
Idiomas:
Nivel alto de inglés.
Informática:
Conocimientos de lenguajes de programación (Python, C, Fortran, Matlab), softwares de cálculo (ANSYS, ABAQUS), software de análisis de datos (lenguaje R, Octave, Matlab, Scikit-learn, Weka, Encog).
Se valorará:
Conocimientos de mecánica de los medios continuos y mecánica de estructuras.
Conocimientos en el uso y/o desarrollo de técnicas de elementos finitos.
Conocimientos en el uso y/o desarrollo de técnicas de machine learning.
Experiencia previa en investigación a nivel de máster.
Para más información, descargar las bases de la convocatoria en el siguiente link: http://www.tecnalia.com/es/personas-empleo/becas-doctorados/becas-doctorado.htm