Reinforcement Learning Framework zur optimalen Regelung von Orbitalantrieben unter Berücksichtigung von Robustheit und Betriebsbereichseinschränkungen

Hörger, Till (2021) Reinforcement Learning Framework zur optimalen Regelung von Orbitalantrieben unter Berücksichtigung von Robustheit und Betriebsbereichseinschränkungen. Masterarbeit, Universität Stuttgart.

PDF
5MB

elib-URL des Eintrags:

https://elib.dlr.de/143369/

Dokumentart:

Hochschulschrift (Masterarbeit)

Titel:

Reinforcement Learning Framework zur optimalen Regelung von Orbitalantrieben unter Berücksichtigung von Robustheit und Betriebsbereichseinschränkungen

Autoren:

Autoren	Institution oder E-Mail-Adresse	Autoren-ORCID-iD	ORCID Put Code
Hörger, Till	NICHT SPEZIFIZIERT	https://orcid.org/0000-0001-5859-9907	NICHT SPEZIFIZIERT

Datum:

2021

Referierte Publikation:

Nein

Open Access:

Seitenanzahl:

Status:

veröffentlicht

Stichwörter:

Orbitalantriebe, reinforcement learning

Institution:

Universität Stuttgart

Abteilung:

Institut für Raumfahrtsysteme

HGF - Forschungsbereich:

Luftfahrt, Raumfahrt und Verkehr

HGF - Programm:

Raumfahrt

HGF - Programmthema:

Raumtransport

DLR - Schwerpunkt:

Raumfahrt

DLR - Forschungsgebiet:

R RP - Raumtransport

DLR - Teilgebiet (Projekt, Vorhaben):

R - Projekt Future Fuels - Advanced Rocket Propellants

Standort:

Lampoldshausen

Institute & Einrichtungen:

Institut für Raumfahrtantriebe > Satelliten- und Orbitalantriebe

Hinterlegt von:

Hanke, Michaela

Hinterlegt am:

15 Nov 2021 08:39

Letzte Änderung:

15 Nov 2021 08:39

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags