Machine learning based spray process quantification

Jose, Basil und Hampp, Fabian (2023) Machine learning based spray process quantification. International Journal of Multiphase Flow, 172, Seite 104702. Elsevier. doi: 10.1016/j.ijmultiphaseflow.2023.104702. ISSN 0301-9322.

Dieses Archiv kann nicht den Volltext zur Verfügung stellen.

Offizielle URL: https://dx.doi.org/10.1016/j.ijmultiphaseflow.2023.104702

elib-URL des Eintrags:

https://elib.dlr.de/202113/

Dokumentart:

Zeitschriftenbeitrag

Titel:

Machine learning based spray process quantification

Autoren:

Autoren	Institution oder E-Mail-Adresse	Autoren-ORCID-iD	ORCID Put Code
Jose, Basil	DLR-VT / IVLR, Uni Stuttgart	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Hampp, Fabian	IVLR, Uni Stuttgart	https://orcid.org/0000-0002-9895-4288	NICHT SPEZIFIZIERT

Datum:

21 Dezember 2023

Erschienen in:

International Journal of Multiphase Flow

Referierte Publikation:

Open Access:

Nein

Gold Open Access:

Nein

In SCOPUS:

In ISI Web of Science:

Band:

172

DOI:

10.1016/j.ijmultiphaseflow.2023.104702

Seitenbereich:

Seite 104702

Verlag:

Elsevier

ISSN:

0301-9322

Status:

veröffentlicht

Stichwörter:

Machine learning, spray characteristics

HGF - Forschungsbereich:

Luftfahrt, Raumfahrt und Verkehr

HGF - Programm:

Luftfahrt

HGF - Programmthema:

Umweltschonender Antrieb

DLR - Schwerpunkt:

Luftfahrt

DLR - Forschungsgebiet:

L CP - Umweltschonender Antrieb

DLR - Teilgebiet (Projekt, Vorhaben):

L - Komponenten und Emissionen, E - Verbrennungs- und Kraftwerkssysteme

Standort:

Stuttgart

Institute & Einrichtungen:

Institut für Verbrennungstechnik > Verbrennungsdiagnostik

Hinterlegt von:

Geigle, Dr. Klaus Peter

Hinterlegt am:

22 Jan 2024 09:37

Letzte Änderung:

29 Jan 2024 13:07

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags