Local anomaly detection in hybrid rocket combustion tests

Rüttgers, Alexander und Petrarolo, Anna (2021) Local anomaly detection in hybrid rocket combustion tests. Experiments in Fluids. Springer Nature. doi: 10.1007/s00348-021-03236-1. ISSN 0723-4864.

PDF - Verlagsversion (veröffentlichte Fassung)
6MB

elib-URL des Eintrags:

https://elib.dlr.de/142736/

Dokumentart:

Zeitschriftenbeitrag

Titel:

Local anomaly detection in hybrid rocket combustion tests

Autoren:

Autoren	Institution oder E-Mail-Adresse	Autoren-ORCID-iD	ORCID Put Code
Rüttgers, Alexander	Alexander.Ruettgers (at) dlr.de	https://orcid.org/0000-0001-6347-9272	NICHT SPEZIFIZIERT
Petrarolo, Anna	Anna.Petrarolo (at) dlr.de	https://orcid.org/0000-0002-2291-2874	NICHT SPEZIFIZIERT

Datum:

12 Juni 2021

Erschienen in:

Experiments in Fluids

Referierte Publikation:

Nein

Open Access:

Gold Open Access:

Nein

In SCOPUS:

In ISI Web of Science:

DOI:

10.1007/s00348-021-03236-1

Verlag:

Springer Nature

ISSN:

0723-4864

Status:

veröffentlicht

Stichwörter:

hybrid rocket, combustion, anomaly detection, machine learning, data mining

HGF - Forschungsbereich:

Luftfahrt, Raumfahrt und Verkehr

HGF - Programm:

Raumfahrt

HGF - Programmthema:

Technik für Raumfahrtsysteme

DLR - Schwerpunkt:

Raumfahrt

DLR - Forschungsgebiet:

R SY - Technik für Raumfahrtsysteme

DLR - Teilgebiet (Projekt, Vorhaben):

R - Projekt Big-Data-Plattform [SY]

Standort:

Köln-Porz

Institute & Einrichtungen:

Institut für Simulations- und Softwaretechnik > High Performance Computing
Institut für Simulations- und Softwaretechnik
Institut für Raumfahrtantriebe > Satelliten- und Orbitalantriebe
Institut für Raumfahrtantriebe
Institut für Softwaretechnologie
Institut für Softwaretechnologie > High-Performance Computing

Hinterlegt von:

Rüttgers, Dr. Alexander

Hinterlegt am:

21 Jun 2021 08:40

Letzte Änderung:

12 Mai 2023 13:06

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags