elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Modeling and Simulation of a Spacecraft Payload Hardware Using Machine Learning Techniques

Nepal, Ayush Mani und Prat i Sala, Arnau und Höflinger, Kilian Johann und Gerndt, Andreas und Lüdtke, Daniel (2020) Modeling and Simulation of a Spacecraft Payload Hardware Using Machine Learning Techniques. In: Accelerating Space Commerce, Exploration, and New Discovery Conference, ASCEND 2020. ASCEND 2020, 2020-11-16 - 2020-11-18, Online. doi: 10.2514/6.2020-4219. ISBN 9781624106088.

[img] PDF
1MB

Kurzfassung

Space systems are complex and consist of multiple subsystems. Research and development teams of such complex systems are usually distributed among various institutions and space agencies. This affects the quality of the On-board Software (OBSW) since testing it without having all required subsystems at the software development site can be troublesome. In this paper, we present a data-driven method which can be used to synthesize parts of a system or even an entire system as a black-box model. We exploit the data collected from the real hardware to derive a model using a Machine Learning (ML) algorithm. The proposed model can easily be distributed among development teams and is dedicated to emulate the system for testing the OBSW.

elib-URL des Eintrags:https://elib.dlr.de/137571/
Dokumentart:Konferenzbeitrag (Vortrag)
Titel:Modeling and Simulation of a Spacecraft Payload Hardware Using Machine Learning Techniques
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Nepal, Ayush ManiAyush.Nepal (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Prat i Sala, ArnauArnau.PratiSala (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Höflinger, Kilian JohannKilian.Hoeflinger (at) dlr.dehttps://orcid.org/0000-0002-7565-8232NICHT SPEZIFIZIERT
Gerndt, AndreasAndreas.Gerndt (at) dlr.dehttps://orcid.org/0000-0002-0409-8573NICHT SPEZIFIZIERT
Lüdtke, DanielDaniel.Luedtke (at) dlr.dehttps://orcid.org/0000-0002-6758-1562171651895
Datum:2 November 2020
Erschienen in:Accelerating Space Commerce, Exploration, and New Discovery Conference, ASCEND 2020
Referierte Publikation:Nein
Open Access:Ja
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Nein
DOI:10.2514/6.2020-4219
ISBN:9781624106088
Status:veröffentlicht
Stichwörter:modeling and simulation, machine learning, neural networks, LSTM, artificial intelligence (AI), data-driven, physical system modeling
Veranstaltungstitel:ASCEND 2020
Veranstaltungsort:Online
Veranstaltungsart:internationale Konferenz
Veranstaltungsbeginn:16 November 2020
Veranstaltungsende:18 November 2020
Veranstalter :AIAA
HGF - Forschungsbereich:keine Zuordnung
HGF - Programm:keine Zuordnung
HGF - Programmthema:keine Zuordnung
DLR - Schwerpunkt:keine Zuordnung
DLR - Forschungsgebiet:keine Zuordnung
DLR - Teilgebiet (Projekt, Vorhaben):keine Zuordnung, R - Vorhaben SISTEC (alt)
Standort: Braunschweig
Institute & Einrichtungen:Institut für Softwaretechnologie > Software für Raumfahrtsysteme und interaktive Visualisierung
Institut für Softwaretechnologie
Hinterlegt von: Nepal, Ayush Mani
Hinterlegt am:16 Dez 2020 11:33
Letzte Änderung:13 Nov 2024 15:25

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.