Autonomous and Reliable Aeroelastic System Identification using Density-based Clustering, Gaussian Processes and Kalman Filtering

Volkmar, Robin (2023) Autonomous and Reliable Aeroelastic System Identification using Density-based Clustering, Gaussian Processes and Kalman Filtering. Advances in Artificial Intelligence for Aerospace Engineering at Onera DLR Aerospace Symposium, 2023-05-30, Paris, Frankreich.

Dieses Archiv kann nicht den Volltext zur Verfügung stellen.

elib-URL des Eintrags:

https://elib.dlr.de/195964/

Dokumentart:

Konferenzbeitrag (Vortrag)

Titel:

Autonomous and Reliable Aeroelastic System Identification using Density-based Clustering, Gaussian Processes and Kalman Filtering

Autoren:

Autoren	Institution oder E-Mail-Adresse	Autoren-ORCID-iD	ORCID Put Code
Volkmar, Robin	Robin.Volkmar (at) dlr.de	https://orcid.org/0000-0002-5920-0686	NICHT SPEZIFIZIERT

Datum:

2023

Referierte Publikation:

Open Access:

Nein

Gold Open Access:

Nein

In SCOPUS:

Nein

In ISI Web of Science:

Nein

Status:

veröffentlicht

Stichwörter:

ground vibration test, flight vibration test, clustering, Gaussian processes, Kalman filter

Veranstaltungstitel:

Advances in Artificial Intelligence for Aerospace Engineering at Onera DLR Aerospace Symposium

Veranstaltungsort:

Paris, Frankreich

Veranstaltungsart:

Workshop

Veranstaltungsdatum:

30 Mai 2023

HGF - Forschungsbereich:

Luftfahrt, Raumfahrt und Verkehr

HGF - Programm:

Luftfahrt

HGF - Programmthema:

Komponenten und Systeme

DLR - Schwerpunkt:

Luftfahrt

DLR - Forschungsgebiet:

L CS - Komponenten und Systeme

DLR - Teilgebiet (Projekt, Vorhaben):

L - Flugzeugsysteme

Standort:

Göttingen

Institute & Einrichtungen:

Institut für Aeroelastik > Strukturdynamik und Systemidentifikation

Hinterlegt von:

Volkmar, Robin

Hinterlegt am:

17 Jul 2023 11:42

Letzte Änderung:

24 Apr 2024 20:56

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags