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

Rocket Engine Control with Neural Networks: Experimental Results of the LUMEN Turbopump Test Campaign

Dresia, Kai und Adler, Antonius und Saraf, Anirudh Mukund und Dos Santos Hahn, Robson Henrique und Kurudzija, Eldin und Traudt, Tobias und Deeken, Jan C. und Waxenegger-Wilfing, Günther (2023) Rocket Engine Control with Neural Networks: Experimental Results of the LUMEN Turbopump Test Campaign. AIAA SCITECH 2023 Forum, 2023-01-23 - 2023-01-27, National Harbor, MD. ISBN 978-1-62410-699-6.

[img] PDF - Nur DLR-intern zugänglich
9MB

Offizielle URL: https://arc.aiaa.org/doi/10.2514/6.2023-0137

Kurzfassung

Advanced control algorithms will change the way we operate liquid propellant rocket engines in the future. One approach is to use neural networks as the control policy, which are trained in simulation with deep reinforcement learning. Neural network controllers can easily deal with multiple high-level control goals such as maximum efficiency, long fatigue-life, or mechanical and thermodynamic constraints. Within its technological road map towards cost-efficient and reusable engines, the German Aerospace Center (DLR) is developing an advanced engine controller for an expander-bleed engine. In this work, we design a neural network controller for the LUMEN turbopump and test the control performance at our test bench, tackling the challenges of real-world systems.

elib-URL des Eintrags:https://elib.dlr.de/200311/
Dokumentart:Konferenzbeitrag (Vortrag)
Titel:Rocket Engine Control with Neural Networks: Experimental Results of the LUMEN Turbopump Test Campaign
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Dresia, KaiKai.Dresia (at) dlr.dehttps://orcid.org/0000-0003-3229-5184NICHT SPEZIFIZIERT
Adler, AntoniusNICHT SPEZIFIZIERThttps://orcid.org/0000-0003-0604-8227NICHT SPEZIFIZIERT
Saraf, Anirudh MukundNICHT SPEZIFIZIERTNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Dos Santos Hahn, Robson HenriqueRobson.DosSantosHahn (at) dlr.dehttps://orcid.org/0000-0002-2389-2043NICHT SPEZIFIZIERT
Kurudzija, EldinEldin.Kurudzija (at) dlr.dehttps://orcid.org/0000-0001-5409-3845NICHT SPEZIFIZIERT
Traudt, TobiasTobias.Traudt (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Deeken, Jan C.Jan.Deeken (at) dlr.dehttps://orcid.org/0000-0002-5714-8845NICHT SPEZIFIZIERT
Waxenegger-Wilfing, GüntherGuenther.Waxenegger (at) dlr.dehttps://orcid.org/0000-0001-5381-6431NICHT SPEZIFIZIERT
Datum:2023
Referierte Publikation:Ja
Open Access:Nein
Gold Open Access:Nein
In SCOPUS:Nein
In ISI Web of Science:Nein
ISBN:978-1-62410-699-6
Status:veröffentlicht
Stichwörter:Rocket engine control, LUMEN, machine learning, reinforcement learning
Veranstaltungstitel:AIAA SCITECH 2023 Forum
Veranstaltungsort:National Harbor, MD
Veranstaltungsart:internationale Konferenz
Veranstaltungsbeginn:23 Januar 2023
Veranstaltungsende:27 Januar 2023
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 LUMEN (Liquid Upper Stage Demonstrator Engine)
Standort: Lampoldshausen
Institute & Einrichtungen:Institut für Raumfahrtantriebe > Raketenantriebssysteme
Hinterlegt von: Dresia, Kai
Hinterlegt am:04 Dez 2023 08:39
Letzte Änderung:18 Jun 2024 14:37

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.