Oscar Sanchez Jimenez

Dr. Oscar Sanchez Jimenez

orcid

Research Focus & Metrics

Academic Career Length

7Years (2020-Present)

(Calculated once Scilit publication data is synced: current year − year of first publication + 1)

Representative Publications

View All Publications
28 April 2023 in Computers & Mathematics with Applications
Verified
Journal Article
Closed access
XHXiaojing Han
Xiaojing Han
OJOscar Sanchez Jimenez
Oscar Sanchez Jimenez
EPEmmanuel Pagnacco
Emmanuel Pagnacco

20 August 2020
Verified
Book Chapter
Closed access
PDF file
OJOscar Sanchez Jimenez
Oscar Sanchez Jimenez
EPEmmanuel Pagnacco
Emmanuel Pagnacco
ECEduardo Souza de Cursi
Eduardo Souza de Cursi
RSRubens Sampaio
Rubens Sampaio

4 May 2026 in Computers & Structures
Verified
Journal Article
Open access
OJOscar Sanchez Jimenez
Oscar Sanchez Jimenez
EPEmmanuel Pagnacco
Emmanuel Pagnacco

8 April 2026
Verified
Thesis
Closed access
OJOscar Sanchez Jimenez
Oscar Sanchez Jimenez
Sur la réponse stochastique des modèles pale-rotor par la théorie modale de Floquet : applications à la fiabilité dépendante du temps des pales d'hydrolienne: Le sujet d'étude est la réponse d’un système mécanique déterministe en rotation et soumis à des sollicitations stochastiques. Pour cela, un modèle mécano-probabiliste est développé, résultant de la combinaison de deux éléments : le système mécanique au comportement dit non-standard, et les sollicitations, représentées par un champ stochastique corrélé. L'application vise l'analyse fiabiliste d’une hydrolienne, décrite par un modèle mécanique d’ordre réduit. Plusieurs méthodes sont présentées, comparées et leurs limitations sont mises en évidence. Les résultats obtenus sont contrastés avec ceux de la bibliographie. En particulier, l’aspect innovant se trouve dans le type de quantité mécanique modélisée, le traitement et l'interprétation des quantités modales, et le type de processus stochastique considéré comme sollicitation. Plus précisément, le modèle dynamique développé décrit une classe de systèmes mécaniques de type rotor-pale. Il a été construit par une combinaison judicieuse de résultats des domaines de l'éolien, l'hydrolien, la dynamique des rotors et des vibrations mécaniques. La formulation lagrangienne de la mécanique analytique est utilisée pour obtenir les équations du système dynamique. L'assemblage obtenu avec des composants élastiques linéaires, introduits avec leur comportement modal, produit des termes instationnaires, résultant dans des équations différentielles ordinaires à coefficients périodiques. Pour l'analyse de ce problème mécanique déterministe, l’analyse modale numérique traditionnelle est ici étendue grâce à la théorie de Floquet. La réponse du système est formulée en termes des exposants caractéristiques du système et des vecteurs propres de Floquet, ou vecteurs propres périodiques, permettant une représentation modale de la matrice de transition de Floquet. Diverses méthodes peuvent alors être appliquées pour l'analyse modale du système et on propose une nouvelle méthode basée sur la représentation temps-fréquence grâce aux ondelettes périodiques généralisées. Pour considérer les sollicitations aléatoires instationnaires et non-gaussiennes, on utilise une écriture innovante pour la propagation des moments. L’avantage de cette technique vient de l’aspect pratique et systématique des développements, ce qui est particulièrement avantageux lorsqu'elle est appliquée à des champs spatio-temporels instationnaires. En combinant cette technique avec une méthode d’estimation de la densité de probabilité basée sur le principe d’entropie maximale, nous arrivons à l’estimation de la distribution des valeurs extrêmes de la réponse cherchée en considérant le problème de dépassement d’un seuil par ce processus instationnaire, permettant ainsi la résolution du problème posé en termes de fiabilité dépendante du temps.

4 November 2026 in Mechanics & Industry
Verified
Journal Article
Open access
LELuis J. Vásquez Estepan
Luis J. Vásquez Estepan
OJOscar Sanchez Jimenez
Oscar Sanchez Jimenez
YAYounes Aoues
Younes Aoues
EPEmmanuel Pagnacco
Emmanuel Pagnacco
Engineering designs are frequently susceptible to vibration-induced failure; thus, to mitigate the risks associated with resonance, it is imperative to implement structural optimization strategies that respect specific frequency constraints. However, the inherent variability of structural dynamics due to uncertainty requires a probabilistic approach. To address this, Reliability-Based Design Optimization (RBDO) provides the most rigorous framework for accounting for uncertainties by modeling input data as random variables. Additionally, integrating the carbon footprint into the design process is necessary to transition toward more sustainable engineering solutions. This article presents a unified framework for structural optimization that integrates material carbon footprint and probabilistic constraints on natural frequencies. While frequency-constrained design and environmental metrics have been studied independently, their combined implementation within a Reliability-Based Design Optimization (RBDO) framework is developed here. The proposed methodology employs a single-level formulation, where probabilistic constraints are approximated through the optimality conditions of the reliability analysis, avoiding the computational intensity of nested loops. This approach is implemented via a MATLAB-FEA coupling to perform modal and structural analyses. The study evaluates the performance of the single-level approach against traditional double-loop methods and finds a reduction of approximately 90% in model evaluations. Furthermore, a comparative analysis of different optimization scenarios shows that including environmental impact data shifts the optimal design space relative to traditional weight-minimization objectives. The findings suggest that integrating carbon footprint considerations into the RBDO process results in more efficient designs that can lead to a 10% reduction in emissions with only a marginal 3% increase in total weight.

3 September 2025 in Algorithms
Verified
Journal Article
Open access
PDF file
CACarol SANTOS ALMONTE
Carol SANTOS ALMONTE
OJOscar Sanchez Jimenez
Oscar Sanchez Jimenez
ECEduardo Souza de Cursi
Eduardo Souza de Cursi
EPEmmanuel Pagnacco
Emmanuel Pagnacco
We propose a variant of Bayesian optimization in which probability distributions are constructed using uncertainty quantification (UQ) techniques. In this context, UQ techniques rely on a Hilbert basis expansion to infer probability distributions from limited experimental data. These distributions act as prior knowledge of the search space and are incorporated into the acquisition function to guide the selection of enrichment points more effectively. Several variants of the method are examined, depending on the distribution type (normal, log-normal, etc.), and benchmarked against traditional Bayesian optimization on test functions. The results show competitive performance, with selective improvements depending on the problem structure, and faster convergence in specific cases. As a practical application, we address a structural shape optimization problem. The initial geometry is an L-shaped plate, where the goal is to minimize the volume under a horizontal displacement constraint expressed as a penalty. Our approach first identifies a promising region while efficiently training the surrogate model. A subsequent gradient-based optimization step then refines the design using the trained surrogate, achieving a volume reduction of more than 30% while satisfying the displacement constraint, without requiring any additional evaluations of the objective function.