
Dottorando in Ingegneria Meccanica , 37o ciclo (2021-2024)
Dipartimento di Ingegneria Meccanica e Aerospaziale (DIMEAS)
Docente esterno e/o collaboratore didattico
Dipartimento di Ingegneria Meccanica e Aerospaziale (DIMEAS)
Profilo
Dottorato di ricerca
Tutori
Didattica
Insegnamenti
Corso di laurea magistrale
- Sperimentazione su strutture aerospaziali/Tecnologie aerospaziali (modulo di Tecnologie aerospaziali). A.A. 2023/24, INGEGNERIA AEROSPAZIALE. Collaboratore del corso
- Progettazione e fabbricazione additiva per applicazioni aerospaziali. A.A. 2022/23, INGEGNERIA AEROSPAZIALE. Collaboratore del corso
- Progettazione e fabbricazione additiva per applicazioni aerospaziali. A.A. 2023/24, INGEGNERIA AEROSPAZIALE. Collaboratore del corso
- Strutture aeronautiche. A.A. 2022/23, INGEGNERIA AEROSPAZIALE. Collaboratore del corso
Pubblicazioni
Pubblicazioni più recenti Vedi tutte le pubblicazioni su Porto@Iris
- Petrolo, M.; Iannotti, P.; Trombini, M.; Melis, M. (2023)
Refinement of Structural Theories for Composite Shells through Convolutional Neural Networks. In: 27th Congress of the Italian Association of Aeronautics and Astronautics, AIDAA 2023, Padova, 4-7 September 2023
Contributo in Atti di Convegno (Proceeding) - Petrolo, M.; Iannotti, P. (2023)
Best Theory Diagrams for Laminated Composite Shells Based on Failure Indexes. In: AEROTECNICA MISSILI & SPAZIO, vol. 102, pp. 199-218. ISSN 2524-6968
Contributo su Rivista - Petrolo, M.; Iannotti, P.; Trombini, M.; Melis, M. (2023)
Global-local modeling of composite structures through node-dependent kinematics and convolutional neural networks. In: ICCS26 - 26th International Conference on Composite Structures & MECHCOMP8 - 8th International Conference on Mechanics of Composites, Porto, 27-30 June 2023
Contributo in Atti di Convegno (Proceeding) - Petrolo, M.; Iannotti, P. (2023)
Best kinematics for shell finite elements using convolutional neural networks. In: MECHANICS OF ADVANCED MATERIALS AND STRUCTURES, vol. 30, pp. 1106-1116. ISSN 1537-6532
Contributo su Rivista - Petrolo, M.; Iannotti, P.; Pagani, A.; Carrera, E. (2022)
On the accuracy and efficiency of convolutional neural networks for element-wise refinement of FEM models. In: ASME 2022 International Mechanical Engineering Congress and Exposition IMECE2022, Columbus, Ohio, 30 October 2022 - 3 November 2022
Contributo in Atti di Convegno (Proceeding)