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

Bayesian Models for Uncertainty Estimation in Aerodynamic Databases of Reusable Launch Vehicles

Krummen, Sven und Schraad, Jan Michael und Ecker, Tobias und Ertl, Moritz und Reimann, Bodo und Klevanski, Josef und Riehmer, Johannes und Eichel, Silas und Sagliano, Marco und Briese, Lale Evrim und Dumont, Etienne (2024) Bayesian Models for Uncertainty Estimation in Aerodynamic Databases of Reusable Launch Vehicles. In: AIAA SciTech 2024 Forum, Seiten 1-28. AIAA SciTech Forum and Exposition 2024, 2024-01-08 - 2024-01-12, Orlando, USA. doi: 10.2514/6.2024-0574. ISBN 978-162410711-5.

[img] PDF - Nur DLR-intern zugänglich
10MB

Offizielle URL: https://arc.aiaa.org/doi/abs/10.2514/6.2024-0574

Kurzfassung

The definition of Aerodynamic Databases (AEDBs) is an important yet very complex and labor-intensive task during the design of new aerospace vehicles. This is particularly true for Reusable Launch Vehicles (RLVs), as it has been observed during the development of CALLISTO, a demonstrator for a Vertical-Takeoff Vertical-Landing (VTVL) first stage which is jointly developed, manufactured and tested by DLR, JAXA and CNES. In this paper, we present an Inference-based methodology to define various types of Bayesian models exemplarily for a subset of CALLISTO's AEDB to assess their usability and prediction qualities. First, a short introduction to the underlying aerodynamic dataset will be given which has been aggregated from various Computational Fluid Dynamics (CFD) and Wind Tunnel Test (WTT) campaigns. Then, the different Bayesian models will be defined and their inference results compared against each other, according to common error metrics. It will be shown that, within the limits and assumptions of this study, several types of Bayesian AEDB models provide better accuracy in the prediction of uncertain aerodynamic coefficients compared to classical expert-fitted models for the given CALLISTO dataset. Generally, it can be concluded that Bayesian models are not only a promising new method for the definition of AEDBs, but could also find many potential applications in other engineering domains.

elib-URL des Eintrags:https://elib.dlr.de/202266/
Dokumentart:Konferenzbeitrag (Vortrag)
Titel:Bayesian Models for Uncertainty Estimation in Aerodynamic Databases of Reusable Launch Vehicles
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Krummen, Svensven.krummen (at) dlr.dehttps://orcid.org/0000-0002-4126-688XNICHT SPEZIFIZIERT
Schraad, Jan Michaeljan.schraad (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Ecker, TobiasTobias.Ecker (at) dlr.dehttps://orcid.org/0000-0001-7134-1185NICHT SPEZIFIZIERT
Ertl, MoritzMoritz.Ertl (at) dlr.dehttps://orcid.org/0000-0002-1900-5122NICHT SPEZIFIZIERT
Reimann, BodoBodo.Reimann (at) dlr.dehttps://orcid.org/0000-0001-7765-7295151655900
Klevanski, JosefJosef.Klevanski (at) dlr.dehttps://orcid.org/0009-0002-4336-1116151655901
Riehmer, JohannesJohannes.Riehmer (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Eichel, SilasSilas.Eichel (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Sagliano, MarcoMarco.Sagliano (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Briese, Lale EvrimLale.Briese (at) dlr.dehttps://orcid.org/0000-0003-0900-2005NICHT SPEZIFIZIERT
Dumont, EtienneEtienne.Dumont (at) dlr.dehttps://orcid.org/0000-0003-4618-0572NICHT SPEZIFIZIERT
Datum:Januar 2024
Erschienen in:AIAA SciTech 2024 Forum
Referierte Publikation:Ja
Open Access:Nein
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Nein
DOI:10.2514/6.2024-0574
Seitenbereich:Seiten 1-28
Herausgeber:
HerausgeberInstitution und/oder E-Mail-Adresse der HerausgeberHerausgeber-ORCID-iDORCID Put Code
NICHT SPEZIFIZIERTAIAANICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
ISBN:978-162410711-5
Status:veröffentlicht
Stichwörter:CALLISTO, RLV, VTVL, AEDB, Bayes, Uncertainty
Veranstaltungstitel:AIAA SciTech Forum and Exposition 2024
Veranstaltungsort:Orlando, USA
Veranstaltungsart:internationale Konferenz
Veranstaltungsbeginn:8 Januar 2024
Veranstaltungsende:12 Januar 2024
Veranstalter :AIAA
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 CALLISTO [SY]
Standort: Braunschweig , Bremen , Göttingen , Köln-Porz , Oberpfaffenhofen , Stuttgart
Institute & Einrichtungen:Institut für Raumfahrtsysteme > Systementwicklung und Projektbüro
Institut für Aerodynamik und Strömungstechnik > Raumfahrzeuge, BS
Institut für Aerodynamik und Strömungstechnik > Raumfahrzeuge, GO
Institut für Aerodynamik und Strömungstechnik > Über- und Hyperschalltechnologien, KP
Institut für Bauweisen und Strukturtechnologie > Raumfahrt - System - Integration
Institut für Raumfahrtsysteme > Navigations- und Regelungssysteme
Institut für Systemdynamik und Regelungstechnik > Raumfahrt-Systemdynamik
Hinterlegt von: Krummen, Sven
Hinterlegt am:26 Jan 2024 12:40
Letzte Änderung:04 Jun 2024 09:53

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.