Deep convolutional autoencoders for the time–space reconstruction of liquid rocket engine flames

The integration of high-fidelity numerical simulations into the rocket engine design-cycle promises to cut costs in an ever more competitive launch market. Although still being intractable in the optimization of most of combustion devices, their potential can be harnessed via appropriate reduced ord...

Celý popis

Podrobná bibliografie

Vydáno v:	Proceedings of the Combustion Institute Ročník 40; číslo 1-4; s. 105382
Hlavní autoři:	Zapata Usandivaras, José F., Bauerheim, Michael, Cuenot, Bénédicte, Urbano, Annafederica
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Elsevier Inc 2024 Elsevier
Témata:	Autoencoders Deep learning Fluid Dynamics Physics Reduced order modeling Rocket engine Deep learning Autoencoders Reduced order modeling Rocket engine
ISSN:	1540-7489, 1540-7489
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!