CN101187649B - 异种材料扩散焊界面缺陷的自动识别方法 - Google Patents
异种材料扩散焊界面缺陷的自动识别方法 Download PDFInfo
- Publication number
- CN101187649B CN101187649B CN2007101448068A CN200710144806A CN101187649B CN 101187649 B CN101187649 B CN 101187649B CN 2007101448068 A CN2007101448068 A CN 2007101448068A CN 200710144806 A CN200710144806 A CN 200710144806A CN 101187649 B CN101187649 B CN 101187649B
- Authority
- CN
- China
- Prior art keywords
- defect
- interface
- model
- welding
- parameter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Abstract
异种材料扩散焊界面缺陷的自动识别方法,它涉及一种焊接界面缺陷的识别方法。本发明的目的是为解决目前对扩散焊界面质量的检测主要依赖于机械性能检测和破坏性检测,无可靠的无损检测方法的问题。本发明从异种材料扩散焊界面采集超声波信号,从中提取三个特征值。从焊接良好、未焊合缺陷、弱接合缺陷、微小间隙缺陷区域分别随机抽取信号组成训练样本和测试样本,选用径向基核函数,采用网格搜索法确定惩罚参数和核参数,运用最小二乘支持向量机技术构建缺陷识别模型,实现了扩散焊界面缺陷的自动识别。本发明构建的缺陷识别模型经测试识别正确率可达93.5%,解决了超声波检测中仅从反射回波的幅度无法判断界面是否存在缺陷的难题。
Description
技术领域
本发明涉及一种焊接界面缺陷的识别方法。
背景技术
扩散焊是一种新型的固相连接方法,与其它焊接方法相比较,焊合零部件变形小,可一次焊接多个接头且可焊接大断面接头,此外扩散焊可焊接其它焊接方法难于焊接的材料及相互不溶解或在熔焊时会产生脆性金属间化合物的异种材料,因此扩散焊在航空、航天、军事及民用领域的应用越来越广泛。由于焊接工艺偏差等原因,扩散焊界面常会产生未焊合、弱接合、微小间隙等缺陷,严重影响了接头的性能,特别是接头的冲击韧度和抗疲劳性能将明显下降。因此扩散焊界面质量的无损检测,对于保证焊接工件的正常运行和延长其使用寿命是非常必要的。扩散焊界面缺陷的尺寸非常小,多在微米级,有时还存在弱接合缺陷,射线探伤对于检测这样微小缺陷的难度相当大。而常规超声波检测技术对于贴合性缺陷也是无能为力的,这是因为缺陷贴合得非常紧密,入射声波大部分会通过界面继续向前传播,产生的反射回波十分微弱。而对于异种材料扩散焊质量的检测,由于界面两侧材料声阻抗有差异,焊接良好的界面也会产生超声反射回波,缺陷反射回波与界面反射回波混叠在一起,从反射回波的幅度很难判断界面是否存在缺陷,进一步增加了检测的难度。目前对扩散焊界面质量的检测主要依赖于机械性能检测和破坏性检测,还没有合适的无损检测方法,特别是缺少自动检测与识别的方法,已很难适应现代工业生产的需要。因此解决扩散焊界面质量的检测问题,实现缺陷的自动识别对推动和发展扩散焊技术的应用具有十分重要的实际意义。
发明内容
本发明的目的是为解决目前对扩散焊界面质量的检测主要依赖于机械性能检测和破坏性检测,还没有合适的无损检测方法,特别是缺少自动检测与识别的方法,已很难适应现代工业生产的需要的问题,提供一种异种材料扩散焊界面缺陷的自动识别方法。本发明异种材料扩散焊界面缺陷的自动识别方法是按以下步骤实现的:一、扩散焊界面超声波信号的采集:异种材料扩散焊界面超声波信号的采集采用水浸聚焦法,采用的设备为超声波C扫描成像检测系统,探头为中心频率10MHz的宽带探头,调整探头和扩散焊试样之间的距离,使声束焦点会聚于扩散焊试样界面位置,步进式扫描,每隔0.2mm的距离采集一个信号,采样频率为100MHz;二、特征值的提取:从扩散焊界面超声波信号中提取三个特征值,分别为信号的幅度、幅频特性曲线拟合斜率及相频特性曲线的相位;三、特征值归一化的处理:对三个特征值的取值范围进行归一化处理,将特征值超声波信号的幅度的取值范围归一到[0,1],特征值幅频特性曲线拟合斜率的取值范围归一到[-1,1],特征值相频特性曲线的相位的取值范围归一到[-1,1];四、样本的选择:从焊接良好区域、未焊合缺陷区域、弱接合缺陷区域和微小间隙缺陷区域分别随机抽取50个信号,共200个信号组成训练样本用于训练缺陷识别模型,再从焊接良好区域、未焊合缺陷区域、弱接合缺陷区域和微小间隙缺陷区域分别随机抽取200个信号,共800个信号组成测试样本,用于测试缺陷识别模型的识别正确率;五、核函数的选择:选用径向基核函数作为缺陷识别模型的核函数;六、网格搜索法确定惩罚参数和核参数:惩罚参数和核参数采用网格搜索法确定,采用五折交叉验证法评估缺陷识别模型的性能;网格搜索法是将惩罚参数C和核参数γ分别取M个值和N个值,取M=N=11,对M×N个(C,γ)的组合,分别训练不同的模型,再估计其识别误差,从而在M×N个(C,γ)的组合得到识别误差最小的一个组合为最优参数;五折交叉验证法是将训练样本划分成5个大小相等的子集,选择其中一个子集作为校验集,使用其它4个子集对模型进行训练,使用训练得到的模型在校验集上进行测试,记录识别误差,如此反复,直至每个子集都作过一次校验集,最后,取5次识别误差的平均值作为模型性能的评估;取M=N=11,具体步骤如下:第一步粗略的网格搜索,惩罚参数和核参数的搜索范围为[e-10,e10],搜索步长为e2,搜索模型的识别误差最小的惩罚参数和核参数的组合;第二步精细的网格搜索,在第一步搜索到的惩罚参数和核参数的组合值两边正负e2.5的范围内,以e0.5为步长进行搜索,最终搜索到模型的识别误差最小的惩罚参数和核参数即为模型的参数;七、模型的训练与测试:惩罚参数C和核参数γ确定之后,将训练样本输入模型中进行训练,然后输入测试样本测试模型的正确识别率;八、扩散焊试样界面缺陷识别:将异种材料扩散焊试样界面信号输入异种材料扩散焊界面缺陷的识别模型中,自动输出缺陷识别结果,实现缺陷识别。
本发明从异种材料扩散焊界面采集超声波信号,从中提取三个特征值,并对其进行归一化处理。从异种材料扩散焊界面焊接良好区域、未焊合缺陷区域、弱接合缺陷区域、微小间隙缺陷区域分别随机抽取信号组成训练样本和测试样本,选用径向基核函数作为核函数,采用网格搜索法确定惩罚参数和核参数,运用最小二乘支持向量机技术构建缺陷识别模型。将异种材料扩散焊试样界面信号输入模型实现界面缺陷的自动识别,利用识别结果重构扩散焊界面焊接状态图像,并可自动计算界面焊合率。本发明提出的异种材料扩散焊界面缺陷的自动识别方法,通过构建缺陷识别模型实现扩散焊界面缺陷的自动识别,经测试样本测试识别正确率可达93.5%,解决了超声波检测中仅从反射回波的幅度无法判断界面是否存在缺陷的难题。采用该方法可识别出异种材料扩散焊界面上的未焊合缺陷、弱接合缺陷、微小间隙缺陷,由识别结果重构的扩散焊界面图像可以直观地显示扩散焊界面的接合状态,区分扩散焊界面焊接良好区域和缺陷区域,由识别结果计算的焊合率与试样的抗剪强度近似成线性关系。本发明提供的缺陷自动识别方法可以推广到同种材料扩散焊界面缺陷的自动识别中,也可以推广到摩擦焊、点焊、粘接等其它同种或异种材料的固相连接接头的缺陷识别中。
具体实施方式
具体实施方式一:本实施方式的方法是按以下步骤实现的:一、扩散焊界面超声波信号的采集:异种材料扩散焊界面超声波信号的采集采用水浸聚焦法,采用的设备为超声波C扫描成像检测系统,探头为中心频率10MHz的宽带探头,调整探头和扩散焊试样之间的距离,使声束焦点会聚于扩散焊试样界面位置,步进式扫描,每隔0.2mm的距离采集一个信号,采样频率为100MHz;二、特征值的提取:从扩散焊界面超声波信号中提取三个特征值,分别为信号的幅度、幅频特性曲线拟合斜率及相频特性曲线的相位;三、特征值归一化的处理:对三个特征值的取值范围进行归一化处理,将特征值超声波信号的幅度的取值范围归一到[0,1],特征值幅频特性曲线拟合斜率的取值范围归一到[-1,1],特征值相频特性曲线的相位的取值范围归一到[-1,1];四、样本的选择:从焊接良好区域、未焊合缺陷区域、弱接合缺陷区域和微小间隙缺陷区域分别随机抽取50个信号,共200个信号组成训练样本用于训练缺陷识别模型,再从焊接良好区域、未焊合缺陷区域、弱接合缺陷区域和微小间隙缺陷区域分别随机抽取200个信号,共800个信号组成测试样本,用于测试缺陷识别模型的识别正确率;五、核函数的选择:选用径向基核函数作为缺陷识别模型的核函数;六、网格搜索法确定惩罚参数和核参数:惩罚参数和核参数采用网格搜索法确定,采用五折交叉验证法评估缺陷识别模型的性能;网格搜索法是将惩罚参数C和核参数γ分别取M个值和N个值,取M=N=11,对M×N个(C,γ)的组合,分别训练不同的模型,再估计其识别误差,从而在M×N个(C,γ)的组合得到识别误差最小的一个组合为最优参数;五折交叉验证法是将训练样本划分成5个大小相等的子集,选择其中一个子集作为校验集,使用其它4个子集对模型进行训练,使用训练得到的模型在校验集上进行测试,记录识别误差,如此反复,直至每个子集都作过一次校验集,最后,取5次识别误差的平均值作为模型性能的评估;取M=N=11,具体步骤如下:第一步粗略的网格搜索,惩罚参数和核参数的搜索范围为[e-10,e10],搜索步长为e2,搜索模型的识别误差最小的惩罚参数和核参数的组合;第二步精细的网格搜索,在第一步搜索到的惩罚参数和核参数的组合值两边正负e2.5的范围内,以e0.5为步长进行搜索,最终搜索到模型的识别误差最小的惩罚参数和核参数即为模型的参数;七、模型的训练与测试:惩罚参数C和核参数γ确定之后,将训练样本输入模型中进行训练,然后输入测试样本测试模型的正确识别率;八、扩散焊试样界面缺陷识别:将异种材料扩散焊试样界面信号输入异种材料扩散焊界面缺陷的识别模型中,自动输出缺陷识别结果,实现缺陷识别。
具体实施方式二:本实施方式在实现缺陷识别的基础上,重构界面图像:根据输出的识别结果,将焊接良好的区域显示为黑色,缺陷区域显示为白色,重构界面焊合状态的图像。
具体实施方式三:本实施方式在重构界面焊合状态的图像后,计算界面焊合率:焊合率等于界面焊合区域的面积除以界面的总面积。
Claims (3)
1.一种异种材料扩散焊界面缺陷的自动识别方法,其特征在于异种材料扩散焊界面缺陷的自动识别方法是按以下步骤实现的:一、扩散焊界面超声波信号的采集:异种材料扩散焊界面超声波信号的采集采用水浸聚焦法,采用的设备为超声波C扫描成像检测系统,探头为中心频率10MHz的宽带探头,调整探头和扩散焊试样之间的距离,使声束焦点会聚于扩散焊试样界面位置,步进式扫描,每隔0.2mm的距离采集一个信号,采样频率为100MHz;二、特征值的提取:从扩散焊界面超声波信号中提取三个特征值,分别为信号的幅度、幅频特性曲线拟合斜率及相频特性曲线的相位;三、特征值归一化的处理:对三个特征值的取值范围进行归一化处理,将特征值超声波信号的幅度的取值范围归一到[0,1],特征值幅频特性曲线拟合斜率的取值范围归一到[-1,1],特征值相频特性曲线的相位的取值范围归一到[-1,1];四、样本的选择:从焊接良好区域、未焊合缺陷区域、弱接合缺陷区域和微小间隙缺陷区域分别随机抽取50个信号,共200个信号组成训练样本用于训练缺陷识别模型,再从焊接良好区域、未焊合缺陷区域、弱接合缺陷区域和微小间隙缺陷区域分别随机抽取200个信号,共800个信号组成测试样本,用于测试缺陷识别模型的识别正确率;五、核函数的选择:选用径向基核函数作为缺陷识别模型的核函数;六、网格搜索法确定惩罚参数和核参数:惩罚参数和核参数采用网格搜索法确定,采用五折交叉验证法评估缺陷识别模型的性能;网格搜索法是将惩罚参数C和核参数γ分别取M个值和N个值,取M=N=11,对M×N个(C,γ)的组合,分别训练不同的模型,再估计其识别误差,从而在M×N个(C,γ)的组合得到识别误差最小的一个组合为最优参数;五折交叉验证法是将训练样本划分成5个大小相等的子集,选择其中一个子集作为校验集,使用其它4个子集对模型进行训练,使用训练得到的模型在校验集上进行测试,记录识别误差,如此反复,直至每个子集都作过一次校验集,最后,取5次识别误差的平均值作为模型性能的评估;取M=N=11,具体步骤如下:第一步粗略的网格搜索,惩罚参数和核参数的搜索范围为[e-10,e10],搜索步长为e2,搜索模型的识别误差最小的惩罚参数和核参数的组合;第二步精细的网格搜索,在第一步搜索到的惩罚参数和核参数的组合值两边正负e2.5的范围内,以e0.5为步长进行搜索,最终搜索到模型的识别误差最小的惩罚参数和核参数即为模型的参数;七、模型的训练与测试:惩罚参数C和核参数γ确定之后,将训练样本输入模型中进行训练,然后输入测试样本测试模型的正确识别率;八、扩散焊试样界面缺陷识别:将异种材料扩散焊试样界面信号输入异种材料扩散焊界面缺陷的识别模型中,自动输出缺陷识别结果,实现缺陷识别。
2.根据权利要求1所述的异种材料扩散焊界面缺陷的自动识别方法,其特征在于在实现缺陷识别的基础上,重构界面图像:根据输出的识别结果,将焊接良好的区域显示为黑色,缺陷区域显示为白色,重构界面焊合状态的图像。
3.根据权利要求2所述的异种材料扩散焊界面缺陷的自动识别方法,其特征在于在重构界面焊合状态的图像后,计算界面焊合率:焊合率等于界面焊合区域的面积除以界面的总面积。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2007101448068A CN101187649B (zh) | 2007-12-12 | 2007-12-12 | 异种材料扩散焊界面缺陷的自动识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2007101448068A CN101187649B (zh) | 2007-12-12 | 2007-12-12 | 异种材料扩散焊界面缺陷的自动识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101187649A CN101187649A (zh) | 2008-05-28 |
CN101187649B true CN101187649B (zh) | 2010-04-07 |
Family
ID=39480128
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2007101448068A Expired - Fee Related CN101187649B (zh) | 2007-12-12 | 2007-12-12 | 异种材料扩散焊界面缺陷的自动识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101187649B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102597753B (zh) * | 2009-11-18 | 2014-12-10 | 本田技研工业株式会社 | 表面检查装置以及表面检查方法 |
CN101726545B (zh) * | 2009-12-23 | 2011-11-23 | 哈尔滨工业大学 | 异种材料扩散焊界面超声信号时频幅度特征和时频相位特征提取方法 |
CN102854015B (zh) * | 2012-10-15 | 2014-10-29 | 哈尔滨理工大学 | 一种滚动轴承故障位置及性能退化程度诊断方法 |
CN103808797B (zh) * | 2012-11-07 | 2015-12-02 | 有研亿金新材料股份有限公司 | 一种检验扩散焊焊接质量的方法 |
CN103323526A (zh) * | 2013-05-30 | 2013-09-25 | 哈尔滨工业大学 | 一种基于超声相控阵和支持向量机的焊缝缺陷检测识别方法 |
CN103837607B (zh) * | 2014-01-21 | 2016-08-31 | 湖南大学 | 一种超声波焊点检测有限元仿真分析方法 |
CN104020220B (zh) * | 2014-06-20 | 2016-05-04 | 黑龙江科技大学 | 一种扩散焊连接界面弱接合缺陷检测方法 |
CN105021704B (zh) * | 2015-08-07 | 2017-12-05 | 上海和伍精密仪器股份有限公司 | 一种提高超声波无损探伤钎着率准确度的测量方法 |
CN105548374B (zh) * | 2015-12-11 | 2018-03-09 | 黑龙江科技大学 | 一种基于最远特征距离的扩散焊缺陷识别方法 |
CN106841390B (zh) * | 2017-03-14 | 2019-05-28 | 浙江大学 | 一种基于支持向量机的环焊缝超声相控阵自动聚焦方法 |
CN109507295A (zh) * | 2018-11-30 | 2019-03-22 | 中国兵器工业第五九研究所 | 一种径向摩擦焊接头弱连接缺陷的无损检测方法 |
CN110161118B (zh) * | 2019-05-24 | 2021-11-19 | 哈尔滨工业大学 | 一种基于超声导波原理的钢板裂纹检测方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1387167A (zh) * | 2001-05-22 | 2002-12-25 | 北京航空航天大学 | 结构光三维双视觉模型建模方法 |
JP2003279550A (ja) * | 2002-03-22 | 2003-10-02 | Kyoji Honma | ニューラルネットワークを利用した知能化超音波探傷システム |
US20030234239A1 (en) * | 2002-02-20 | 2003-12-25 | Hsu-Tung Lee | Method and system for assessing quality of spot welds |
US20040002928A1 (en) * | 2002-06-27 | 2004-01-01 | Industrial Technology Research Institute | Pattern recognition method for reducing classification errors |
JP2004170099A (ja) * | 2002-11-18 | 2004-06-17 | Kurosaki Harima Corp | 非均質材料の物性検査方法及びその装置 |
CN1743839A (zh) * | 2005-07-15 | 2006-03-08 | 华南理工大学 | 一种结构缺陷超声在线智能识别系统及识别方法 |
CN1945602A (zh) * | 2006-07-07 | 2007-04-11 | 华中科技大学 | 一种基于人工神经网络的特征选择方法 |
-
2007
- 2007-12-12 CN CN2007101448068A patent/CN101187649B/zh not_active Expired - Fee Related
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1387167A (zh) * | 2001-05-22 | 2002-12-25 | 北京航空航天大学 | 结构光三维双视觉模型建模方法 |
US20030234239A1 (en) * | 2002-02-20 | 2003-12-25 | Hsu-Tung Lee | Method and system for assessing quality of spot welds |
JP2003279550A (ja) * | 2002-03-22 | 2003-10-02 | Kyoji Honma | ニューラルネットワークを利用した知能化超音波探傷システム |
US20040002928A1 (en) * | 2002-06-27 | 2004-01-01 | Industrial Technology Research Institute | Pattern recognition method for reducing classification errors |
JP2004170099A (ja) * | 2002-11-18 | 2004-06-17 | Kurosaki Harima Corp | 非均質材料の物性検査方法及びその装置 |
CN1743839A (zh) * | 2005-07-15 | 2006-03-08 | 华南理工大学 | 一种结构缺陷超声在线智能识别系统及识别方法 |
CN1945602A (zh) * | 2006-07-07 | 2007-04-11 | 华中科技大学 | 一种基于人工神经网络的特征选择方法 |
Non-Patent Citations (10)
Title |
---|
Gang Tie, Takahashi Y.Ultrasonic echo signal fetures of dissimilar materialbonding joints.Transactions of nonferrous metals society of China14 6.2004,14(6),1050-1054. |
Gang Tie, Takahashi Y.Ultrasonic echo signal fetures of dissimilar materialbonding joints.Transactions of nonferrous metals society of China14 6.2004,14(6),1050-1054. * |
T Gang et al..Intelligent pattern recognition and diagnosisof ultrasonic inspection of welding defects based onneural network and information fusion.Science and technology of welding and joining7 5.2002,7(5),314-320. |
T Gang et al..Intelligent pattern recognition and diagnosisof ultrasonic inspection of welding defects based onneural network and information fusion.Science and technology of welding and joining7 5.2002,7(5),314-320. * |
刘镇清.一种改进的人工神经网络学习算法及其在超声检测中的应用.声学技术19 4.2000,19(4),179-181. |
刘镇清.一种改进的人工神经网络学习算法及其在超声检测中的应用.声学技术19 4.2000,19(4),179-181. * |
刚铁.基于神经网络的焊接缺陷智能化超声模式识别与诊断.无损检测21 12.1999,21(12),529-532,548. |
刚铁.基于神经网络的焊接缺陷智能化超声模式识别与诊断.无损检测21 12.1999,21(12),529-532,548. * |
尹欣等.BP神经网络在摩擦焊超声检测缺陷识别中的应用.新技术新工艺 9.2007,(9),57-59. |
尹欣等.BP神经网络在摩擦焊超声检测缺陷识别中的应用.新技术新工艺 9.2007,(9),57-59. * |
Also Published As
Publication number | Publication date |
---|---|
CN101187649A (zh) | 2008-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101187649B (zh) | 异种材料扩散焊界面缺陷的自动识别方法 | |
CN112232400B (zh) | 一种基于深浅特征融合的不锈钢焊缝超声缺陷检测方法 | |
CN103336055B (zh) | 用相控阵超声检测核电站主回路管道焊缝质量的方法 | |
CN104458910B (zh) | 一种风力机叶片壳体与腹板粘接缺陷的无损检测方法 | |
CN207850998U (zh) | 一种安放式管座角焊缝超声相控阵成像检测用模拟试块 | |
CN101788534A (zh) | 埋弧焊缝横向缺陷的探伤方法 | |
CN109239206A (zh) | 缺陷自动识别辅助电熔接头智能相控阵的超声检测方法 | |
US20180067085A1 (en) | Method for inspecting a weld seam | |
CN105021142A (zh) | 一种激光搭接焊缝宽度的测量方法和所用装置 | |
CN107449829A (zh) | 一种对接焊缝无损检测验收方法 | |
CN106841392A (zh) | 一种用于核电站boss焊缝的相控阵超声检测方法 | |
CN102967654A (zh) | 堆焊钢管母材侧超声探伤方法 | |
US20090277270A1 (en) | Method for inspecting joined material interfaces | |
CN101699279A (zh) | 双相钢与碳钢t型接头角焊缝超声波探伤方法 | |
JP2011208978A (ja) | タービン翼植込み部の超音波検査方法および装置 | |
JP2004279144A (ja) | 超音波検査方法及び装置 | |
CN208872710U (zh) | 一种未熔合长度的超声波检测对比试块 | |
KR101289862B1 (ko) | 초음파 자동화 검사 시스템 | |
Kleiner et al. | Signal processing for quality assurance in friction stir welds | |
Aldrin et al. | Investigations of pitch-catch angled-beam ultrasonic NDE for characterization of hidden regions of impact damage in composites | |
Postma et al. | Suitability of non destructive techniques for testing polyethylene pipe joints | |
JP4699242B2 (ja) | 超音波探触子のカップリングチェック方法、及びコンピュータプログラム | |
CN111522794B (zh) | 焊缝缺陷种类分析用超声波角度谱数据库建立方法及基于该数据库的缺陷定性方法 | |
CN110006998B (zh) | 一种用于检测空心管件焊缝的检测系统以及检测方法 | |
CN2844915Y (zh) | 焊缝聚焦探头 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20100407 Termination date: 20141212 |
|
EXPY | Termination of patent right or utility model |