Simplification de complexes géométriques basée sur des données

par Antoine Perney

Projet de thèse en Mécanique

Sous la direction de Pierre Kerfriden, Lars Beex et de Stéphane Bordas.

Thèses en préparation à l'Université Paris sciences et lettres en cotutelle avec l'Université du Luxembourg , dans le cadre de Ecole doctorale Ingénierie des Systèmes, Matériaux, Mécanique, Énergétique , en partenariat avec Centre des Matériaux (laboratoire) , MAT- Simulation des matériaux et des structures - SIMS (equipe de recherche) et de MINES ParisTech (établissement opérateur d'inscription) depuis le 01-05-2019 .


  • Résumé

    Obtenir une représentation mathématique de la surface d'un corps solide à partir de nuages de points, d'images ou de maillages de tétraèdres est une tâche fondamentale de l'ingénierie digitale du 21eme siècles, où les simulateurs interagissent avec les systèmes réels. Dans cette thèse, nous développerons de nouveaux algorithmes de reconstruction de géométrie CAO, en prenant en comptes le manque d'information en représentant les surfaces de manière probabiliste. Dans un second temps, nous propagerons ces incertitudes dans des modèles d'élasticité des corps solides afin d'obtenir une évaluation statistique des états mécaniques. Ce pipeline numérique sera utilisé pour résoudre des problèmes auxquels notre partenaire industriel fait face, dans les domaines de l'ingénierie inverse et de la reconception mécanique.

  • Titre traduit

    Data-driven defeaturing of complex geometrical structures


  • Résumé

    Retrieving the geometrical features of objects from images or cloud of points is a fundamental building block of 21st-century digital engineering, whereby simulators will interact with reality. In this thesis, we will develop novel algorithms to build CAD models from point data, taking into account the sparsity of real-world information by using probabilistic surface representations, possibly augmented by a prior mathematical knowledge of the object. In a second step of the PhD, we wish to propagate those geometrical uncertainties through elastic deformation models of objects in order to estimate mechanical states. Ultimately, the proposed mathematical pipeline will be applied to advanced reverse engineering and engineering redesign tasks.