CN101388085A - 快速故障诊断推理机 - Google Patents
快速故障诊断推理机 Download PDFInfo
- Publication number
- CN101388085A CN101388085A CNA200710151205XA CN200710151205A CN101388085A CN 101388085 A CN101388085 A CN 101388085A CN A200710151205X A CNA200710151205X A CN A200710151205XA CN 200710151205 A CN200710151205 A CN 200710151205A CN 101388085 A CN101388085 A CN 101388085A
- Authority
- CN
- China
- Prior art keywords
- rule
- bit vector
- reasoning
- conclusion
- former piece
- 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.)
- Pending
Links
Images
Landscapes
- Test And Diagnosis Of Digital Computers (AREA)
- Devices For Executing Special Programs (AREA)
Abstract
本发明涉及故障诊断推理机,其用于通过位向量表示故障检测所得到的征兆信息,用同长度的位向量表示出所有故障诊断需要的规则,按位向量逻辑运算,实现快速故障诊断。规则表示成位向量形式,载入计算机内存,可以接受内存空间,避免推理过程中对规则数据库反复读去,减低规则使用时间的开销,提升推理速度。计算机处理位向量逻辑运算快速,使推理机进行规则匹配处理速度得以进一步提升。该系统可在被测试系统规则知识库庞大,检测信息量大的情况下,进行快速故障诊断推理。本发明已在某型运载火箭故障诊断专家系统的研制中得以应用。
Description
技术领域
推理机是专家系统的主要组成部分,故障诊断推理机能够根据检测到的故障征兆,利用规则和故障征兆进行推理运算,最终得到故障征兆所表征的故障。当检测信息量大,信息更新速度快,故障诊断需要在短时间完成时,反复读取数据库中的规则的推理方式,推理速度较慢,增加了整个诊断系统的运行时间。
本发明目的是实现故障诊断的快速推理。
背景技术
在航空、航天、核工业等领域中,系统组成庞大,结构复杂,可靠性要求高,要求系统具有实时故障检测、诊断能力。因此在设计上述系统的故障诊断专家系统时,需要设计推理速度快速、可靠性高的推理机。常见的故障诊断专家系统,采用“IF THEN”型规则表示形式,利用数据库软件存储规则,推理机采用字符串比较方式,逐条从数据库中读取规则,与征兆进行匹配运算。常见的推理机在逐条读取数据库规则、字符串比较匹配运算过程中,时间开销大,影响推理速度。
故障诊断所需的规则事先存放在数据库文件中,故障诊断专家系统可以设置知识库管理组件对规则进行管理。规则的“IF”部分是规则前件,表示规则成立的前提条件,规则前件中包含事实和其它规则的结论。“THEN”部分是规则结论,代表某种系统故障。当规则前件全部满足时,可推出规则结论。设规则i表示为式1:
Rule i∶IF[(F1,...,Fn)∩(J1,...,Jm)] (1)
THEN(Jk)
式1表示的规则i内容是:如果事实F1,…,Fn与结论J1,…,Jm同时被满足,则可以得到结论Jk。
为满足某型号运载火箭分布式故障诊断的实时性要求,在分析常见推理机的时间开销因素发现,当规则库和故障征兆信息量庞大时,推理机读取调用规则的时间占整个推理时间的绝大部分。因此,减少读取调用规则的时间,可以提升推理速度。本推理机采用位向量存储“IF THEN”型规则,在故障诊断前,一次性从数据库中读入规则,以位向量的形式把规则库存放在计算机内存中,减少了推理过程调用规则的时间开销。位向量以计算机位为单元存储数据,内存占用少,可以存储大量规则。本推理机为配合规则存储方式,采用位向量逻辑运算推理算法,进行匹配运算。位逻辑运算是计算机底层计算模式,计算速度快。本发明有效的提高了推理算法的速度。
通过在某型号运载火箭分布式故障诊断专家系统实际应用本推理算法,经测试比较表明,本算法在推理用时、计算机内存开销上优于常见的故障诊断推理机。
发明内容
快速故障诊断推理机是故障诊断专家系统主要组成部分,在专家系统接收到故障征兆后自动运行,首先将接收到的故障征兆保存在事实黑板中,事实黑板在计算机内存中以位向量的形式存储;在专家系统开始运行时,推理机将所需的规则以位向量的形式一次性载入到计算机内存中,并根据规则的重要等级讲规则位向量进行排序,保证重要的规则在推理时得以首先匹配;推理机利用事实黑板,先与规则事实前件进行位向量逻辑运算,更新结论黑板后,利用结论黑板与规则结论前件进行位向量逻辑运算,达到规则匹配的目的。规则匹配成功后产生的结论,保存在结论黑板中,当结论黑板没有更新时,表明推理结束,结论黑板中的内容就是诊断出的故障,将输出给故障诊断专家系统的人机界面。为实现故障快速诊断,快速故障诊断推理机包含一下技术内容:故障征兆、规则载入;分级推理;规则快速匹配算法;事实前件推理和结论前件推理。
故障征兆、规则载入:进行故障快速诊断前,预先在系统所运行的计算机内存中载入知识库(知识库载入部分在分报告中另有详细介绍),其中包括对知识规则的载入,规则载入的模式将决定规则匹配和推理的方法、效能。规则可分为:规则编号、规则事实前件、规则结论前件、结论前件存在标识、规则结论、规则重要性、规则解释评估七个部分载入。与故障快速推理相关的规则事实前件、规则结论前件采用位向量形式描述,用C++STL中的bitset类进行定义。故障征兆位向量表示形式与规则事实前件位向量表示形式一致。
分级推理:故障快速诊断过程中,如果被测系统发生危险级别较高的故障时,系统能快速检验出来,并显示故障内容。分级推理是在故障快速诊断前,对载入的规则按规则的重要等级进行重新排序,将重要等级高(意味着如果该规则匹配成功,所得到的故障对被测系统危害性高)的规则放在规则序列的前面,故障快速诊断中会首先得到匹配。
规则快速匹配算法,采用位与运算模式进行匹配,此方法在匹配速度上优于通常所采用的循环比较推理算法。位与运算在CPU运算中是最直接的底层运算模式,采用此方法大大节约了匹配的时间开销。位与逻辑易于理解,描述匹配过程直观,不会产生匹配错误。采用位与算法,保证了故障诊断的快速性和准确性。
事实前件推理和结论前件推理:推理过程中要兼顾推理速度和推理的完全,因此采用事实前件推理和结论前件推理结合的推理模式,首先对规则的事实前件进行匹配,记录下故障征兆满足事实前件的规则,然后在对记录下的规则进行结论前件的匹配,此种方式缩小了推理过程中对规则的遍历范围,就能快速准确的找到被测系统的故障。
通过以上设计,有效的支持了故障快速推理的功能实现,完成了故障快速诊断技术要求。位向量的使用是本发明的核心,以下对位向量的表示与逻辑运算做具体解释。
故障征兆、规则位向量表示方法:
首先定义位向量类型,向量中每个位代表一个事实/结论,向量的长度值大于知识库中事实/结论的数量。位向量第i位置1,表示该规则前件中包含第i个事实/结论,位向量第j位置0,表示该规则前件中不包含第j个事实/结论。然后,读取全部规则到计算机内存中,组成规则类数组。
定义事实黑板和结论黑板:
黑板是故障诊断专家系统保存推理过程中所需数据的空间。根据获得的故障征兆,对事实黑板各位进行附值,定义事实黑板的代码如下:
bitset<BITSIZE>factBlackboard;//事实黑板
事实黑板同规则事实前件的数据形式保持一致,其位向量长度与规则事实前件相等,向量中每一位代表的事实,对应规则前件相同位置的位所代表的事实。例如:故障征兆为F4,F5,Fn,事实黑板的第4、5、n位值为1,其余各位值为0,表示事实F4,F5,Fn存在。
如果规则前件匹配成功,该规则的结论记录到结论黑板中,定义结论黑板的代码如下:
bitset<BITSIZE>resultBlackboard;//结论黑板
结论黑板与规则结论前件数据形式保持一致,在推理运行前,结论黑板各位数值均为0,表示没有诊断出任何故障。当推理得到结论Jk时,结论黑板向量的第k位置为1。
位向量逻辑运算:
对事实黑板与各个规则事实前件、结论黑板与各个规则结论前件的位向量逻辑“与”运算,通过比较“与”运算结果同规则前件是否相等,判断规则是否匹配成功。对某个事实/结论而言,“&”运算符左侧的数值代表在规则前件中的存在情况,“&”运算符右侧的数值表示在黑板中的存在情况。当规则前件中所有的事实/结论,在事实/结论黑板中都存在时,则该规则匹配成功。此种情况所包含的“与”运算式为:0&1=0、1&1=1、0&0=0。以上三个等式中,“&”左侧数值都等于“=”右侧的数值。即位向量“&”运算结果与规则前件位向量相等时,规则前件匹配成功。当规则前件中某个事实/结论在黑板中不存在时,则规则前件匹配不成功,即位向量“&”运算结果与规则前件位向量不相等。
将规则前件与黑板的匹配,转化成规则前件位向量和黑板位向量“与”运算结果,与规则前件的比较。两者相等则表示规则前件匹配成功,不相等则表示匹配失败。规则的事实前件、结论前件都匹配成功时,则规则匹配成功,即得到该规则的结论。
附图说明
图1:快速故障诊断推理机功能结构图;
图2:规则前件载入流程图;
图3:事实黑板设置流程图;
图4:位向量逻辑算法举例示意图;
图5:事实前件推理算法程序流程图;
图6:结论前件推理算法程序流程图。
具体实施方式
图1:
在C++Builder编程环境下,对本发明进行编程实现,推理机各主要功能组件关系如图1所示:1为故障诊断推理机与外部的数据接口,用以读取故障测试到的数据,该数据已经被处理成表示故障征兆是否存在的状态量;3为写入事实黑板模块,将1传送的数据表示成位向量的形式;2为信息存储单元中保存管理的规则知识库,故障诊断所需规则以数据库的形式被保存;4为规则载入模块,在故障诊断开始之前,4被执行,将2中的规则以位向量的形式保存在内存中,在保存规则时,4会按照规则重要等级对规则进行排序;5为推理机进行匹配运算的核心模块,当4中成功载入规则,3中的事实黑板得以更新时,5被自动启动,5中首先进行一次规则事实前件与事实黑板的匹配,得到满足事实前件的规则列表,然后循环进行规则结论前件与结论黑板的匹配,直至结论黑板没有更新,5运行结束;6为推理机与故障诊断专家系统的接口,推理机的运行结果,通过6出给专家系统人机界面。
图2:
规则前件即规则的前提条件,是规则匹配的依据,当规则前件得到完全满足后,规则匹配成功,得到规则的结论。规则前件定义如下:
bitset<BITSIZE>*factreason;//规则的事实前件;
bitset<BITSIZE>*resultreason;//规则的结论前件;
规则前件采用位逻辑形式描述,用C++STL中的bitset类给予定义。载入程序流程如图2所示:在专家系统运行之前,推理机逐条读取规则知识库中的规则,依次用位向量来表示规则前件中的事实和结论,直至读完最后一条规则。
举例说明,假设在故障诊断知识库中有N个事实和M个结论,规则i如式2所示:
Rule i:IF[(F2,F4,Fn)∩(J1,Jm)]
(2)
THEN(Jk)
规则i在内存中表示成三部分:
●规则事实前件位向量:向量长度大于N,向量中第2、4、n位值为1,其余各位值为0;
●规则结论前件位向量:向量长度大于M,向量中第1、m位值为1,其余各位值为0;
●规则结论:为整数值k。
假设故障诊断知识库中有1024条事实、1024条结论、1024条规则。按8位一个字节,整型数据占4个字节计算,通过本方法将所有规则载入内存后,所占内存空间约为260k。可见利用位向量的形式,在计算机内存中保存大量规则,内存资源开销少。使用C++STL中的“bitset”类,可以实现推理规则位向量数据类型定义。定义规则位向量程序代码如下(BITSIZE为大于事实/结论数量的常数值):
bitset<BITSIZE>*factreason; //规则事实前件
bitset<BITSIZE>*resultreason;//规则结论前件
int*rule_base_result; //规则结论
推理规则位向量表示方法具有程序实现简便、占用内容空间少等优点。
分级推理是在故障快速诊断前,对载入的规则按规则的重要等级进行重新排序,使故障快速诊断中会首先得到匹配。规则重要等级有5级,数值5表示最为重要的规则,1为重要性最弱的规则,排序时先逐条读取规则重要等级值,如果值为5,这把该规则序号放置在预先定义好的诊断规则列表中。然后再依次找重要等级为4、3、2、1的规则,依次把规则序号放入规则列表中,在推理时,程序会按照列表的规则顺序进行规则匹配。
图3:
推理机匹配过程中,程序首先要建立其事实黑板和结论黑板:
bitset<BITSIZE>factBlackboard;//事实黑板。
bitset<BITSIZE>resultBlackboard;//结论黑板。
事实黑板中存储的是系统检测得到的征兆数据,在诊断前需要按照征兆数据内容对事实黑板进行设置。设置流程如图3所示,结论黑板记录了匹配成功后得到的规则结论,在推理前声明就可以了,在浅层推理和深层推理中随着规则匹配成功而不断扩充,并最为深层推理的中的匹配依据。事实黑板与事实前件匹配,结论黑板与结论前件匹配,匹配算法是一致的。
图4:
匹配过程将规则(事实、结论)前件与(事实、结论)黑板匹配,返回匹配是否成功的结论,算法实现示意图如图4所示,规则事实/结论前件第2、6位为1,其余各位均为0,表示该规则前件中包含第2、6个事实/结论。事实/结论黑板第2、4、6、8、9……位为1,表示第2、4、6、8、9……事实/结论已经存在。两者位向量“与”运算之后所得到的结果,等于规则前件,则说明规则前件匹配成功。两者按位相与,得到的结果按位与运算结果所示。如果两个匹配成功,则按位与运算结果同前件是相等的,如果没有匹配成功,两者不相等。由此可以判断规则与黑板是否匹配成功。
图5:
事实前件推理是在得到故障征兆,并将征兆表示成位向量形式的事实黑板之后,利用事实黑板位向量,按照规则重要等级顺序,逐条与规则事实前件位向量进行位向量逻辑运算的过程。位向量逻辑运作中会产生三种结果:1、位向量逻辑与的结果不等于规则事实前件位向量,表示现有故障征兆不能满足该规则,该规则在此次诊断中不被采用;2、结果相等,并且该规则没有结论前件,表明规则前件完全得到满足,该规则被激活,规则的结论成立,被记录到结论黑板中;3、结果相等,但规则还存在结论前件,表示规则还需要在结论前件推理中进一步验证,这部分规则被记录下来。
图6:
结论前件推理是一个循环过程,事实前件推理结束后,存在需要近一步推理的规则记录时,结论前件推理开始,当规则前件满足后,该规则的结论载入到结论黑板,直至结论黑板没有更新,才停止结论前件推理,整个推理过程结束。
Claims (5)
1.一种数据处理系统,
具有至少一个信息存储单元,用于存储故障诊断所需规则;具有至少一个计算机单元,用于接收故障检测的征兆信息,用位向量表示;将规则表示成同长度的位向量形式,一次性载入计算机内存;使用位向量逻辑运算实现故障诊断快速推理;
其特征是,
以位向量表示规则将推理所需规则整体载入内存;接收到故障征兆后,将故障征兆表示成位向量;进行位向量逻辑运算,实现快速知识匹配推理。
2.如以上权利要求所述的数据处理系统,其特征是
在存储单元中存放故障诊断所需规则。
3.如以上权利要求所述的数据处理系统,其特征是
以位向量表示规则,在推理前一次性将规则读入到计算机内存中。
4.如以上权利要求所述的数据处理系统,其特征是
接收到的故障征兆信息以位向量形式表示,并启动推理算法。
5.如以上权利要求所述的数据处理系统,其特征是
利用故障征兆位向量和规则位向量进行位逻辑运算,实现规则匹配推理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA200710151205XA CN101388085A (zh) | 2007-09-14 | 2007-09-14 | 快速故障诊断推理机 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA200710151205XA CN101388085A (zh) | 2007-09-14 | 2007-09-14 | 快速故障诊断推理机 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101388085A true CN101388085A (zh) | 2009-03-18 |
Family
ID=40477494
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA200710151205XA Pending CN101388085A (zh) | 2007-09-14 | 2007-09-14 | 快速故障诊断推理机 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101388085A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102682187A (zh) * | 2011-03-14 | 2012-09-19 | 卡斯柯信号有限公司 | 一种用于轨道交通设备的智能故障诊断方法 |
CN102722722A (zh) * | 2012-05-25 | 2012-10-10 | 清华大学 | 基于逻辑推理和故障辨识的混合故障检测诊断方法 |
CN103426028A (zh) * | 2013-08-23 | 2013-12-04 | 北京化工大学 | 一种基于继承模式的故障诊断专家系统及故障诊断方法 |
CN104732232A (zh) * | 2013-12-18 | 2015-06-24 | 中国电子信息产业集团有限公司第六研究所 | 一种基于位图的防危状态快速判断方法 |
WO2015143545A1 (en) * | 2014-03-28 | 2015-10-01 | Casebank Technologies Inc. | Methods and systems for troubleshooting problems in complex systems using multiple knowledgebases |
CN105717887A (zh) * | 2014-12-05 | 2016-06-29 | 克拉玛依红有软件有限责任公司 | 基于物联网传感数据的油气处理站智能预警系统 |
CN107047439A (zh) * | 2016-11-30 | 2017-08-18 | 北海职业学院 | 一种水产养殖用溶氧仪系统故障报警自动上传方法 |
CN109408542A (zh) * | 2018-09-26 | 2019-03-01 | 北京航天自动控制研究所 | 一种基于征兆的专家系统的故障推理方法 |
CN110531742A (zh) * | 2019-09-16 | 2019-12-03 | 重庆华能水电设备制造有限公司 | 一种发电机集电装置实时监控与故障诊断方法 |
CN111176310A (zh) * | 2019-12-31 | 2020-05-19 | 北京星际荣耀空间科技有限公司 | 一种运载火箭姿态控制系统的测试方法、装置及系统 |
CN111240966A (zh) * | 2020-01-03 | 2020-06-05 | 中国建设银行股份有限公司 | 一种告警信息处理方法及系统 |
CN112559238A (zh) * | 2021-02-19 | 2021-03-26 | 北京必示科技有限公司 | 用于Oracle数据库的排障策略生成方法装置、处理器和存储介质 |
-
2007
- 2007-09-14 CN CNA200710151205XA patent/CN101388085A/zh active Pending
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102682187B (zh) * | 2011-03-14 | 2015-08-26 | 卡斯柯信号有限公司 | 一种用于轨道交通设备的智能故障诊断方法 |
CN102682187A (zh) * | 2011-03-14 | 2012-09-19 | 卡斯柯信号有限公司 | 一种用于轨道交通设备的智能故障诊断方法 |
CN102722722A (zh) * | 2012-05-25 | 2012-10-10 | 清华大学 | 基于逻辑推理和故障辨识的混合故障检测诊断方法 |
CN102722722B (zh) * | 2012-05-25 | 2014-02-19 | 清华大学 | 基于逻辑推理和故障辨识的混合故障检测诊断方法 |
CN103426028A (zh) * | 2013-08-23 | 2013-12-04 | 北京化工大学 | 一种基于继承模式的故障诊断专家系统及故障诊断方法 |
CN104732232A (zh) * | 2013-12-18 | 2015-06-24 | 中国电子信息产业集团有限公司第六研究所 | 一种基于位图的防危状态快速判断方法 |
US10755176B2 (en) | 2014-03-28 | 2020-08-25 | Casebank Technologies Inc. | Methods and systems for troubleshooting problems in complex systems using multiple knowledgebases |
WO2015143545A1 (en) * | 2014-03-28 | 2015-10-01 | Casebank Technologies Inc. | Methods and systems for troubleshooting problems in complex systems using multiple knowledgebases |
CN105717887A (zh) * | 2014-12-05 | 2016-06-29 | 克拉玛依红有软件有限责任公司 | 基于物联网传感数据的油气处理站智能预警系统 |
CN105717887B (zh) * | 2014-12-05 | 2018-03-02 | 克拉玛依红有软件有限责任公司 | 基于物联网传感数据的油气处理站智能预警系统 |
CN107047439A (zh) * | 2016-11-30 | 2017-08-18 | 北海职业学院 | 一种水产养殖用溶氧仪系统故障报警自动上传方法 |
CN109408542A (zh) * | 2018-09-26 | 2019-03-01 | 北京航天自动控制研究所 | 一种基于征兆的专家系统的故障推理方法 |
CN109408542B (zh) * | 2018-09-26 | 2021-02-09 | 北京航天自动控制研究所 | 一种基于征兆的专家系统的故障推理方法 |
CN110531742A (zh) * | 2019-09-16 | 2019-12-03 | 重庆华能水电设备制造有限公司 | 一种发电机集电装置实时监控与故障诊断方法 |
CN111176310A (zh) * | 2019-12-31 | 2020-05-19 | 北京星际荣耀空间科技有限公司 | 一种运载火箭姿态控制系统的测试方法、装置及系统 |
CN111240966A (zh) * | 2020-01-03 | 2020-06-05 | 中国建设银行股份有限公司 | 一种告警信息处理方法及系统 |
CN111240966B (zh) * | 2020-01-03 | 2023-10-24 | 中国建设银行股份有限公司 | 一种告警信息处理方法及系统 |
CN112559238A (zh) * | 2021-02-19 | 2021-03-26 | 北京必示科技有限公司 | 用于Oracle数据库的排障策略生成方法装置、处理器和存储介质 |
CN112559238B (zh) * | 2021-02-19 | 2021-05-11 | 北京必示科技有限公司 | 用于Oracle数据库的排障策略生成方法装置、处理器和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101388085A (zh) | 快速故障诊断推理机 | |
Wang et al. | Automatic generation of acceptance test cases from use case specifications: an nlp-based approach | |
Wing | Writing Larch interface language specifications | |
Rushby | Quality measures and assurance for ai (artificial intelligence) software | |
US5390113A (en) | Method and electronic apparatus for performing bookkeeping | |
CN107844424A (zh) | 基于模型的测试系统及方法 | |
CN108459957A (zh) | 基金系统测试用例的测试方法、装置、设备及存储介质 | |
CN107797929A (zh) | 可编程逻辑仿真测试功能覆盖率的统计方法和装置 | |
CN113672515A (zh) | 一种基于符号执行的wasm智能合约漏洞检测方法 | |
CN107168868A (zh) | 一种基于采样和集成学习的软件更改缺陷预测方法 | |
CN106844221B (zh) | 一种实现虚拟验证系统覆盖率分析的方法 | |
CN110750457B (zh) | 一种基于内存数据库的自动化单元测试方法及装置 | |
Tarassow | The potential of LLMs for coding with low-resource and domain-specific programming languages | |
Bonacina et al. | Proofs in conflict-driven theory combination | |
Shull et al. | Evolving a set of techniques for OO inspections | |
Alpuente et al. | Automatic inference of specifications using matching logic | |
CN101807225A (zh) | 一种稠油油藏数值模拟方法及装置 | |
CN111506513B (zh) | 一种基于层次化模型的文件系统测试方法 | |
Lutz | Reuse of a formal model for requirements validation | |
Li et al. | Multilevel traceability links establishments between SOFL formal specifications and java codes using multi-dimensional similarity measures | |
DiVito et al. | Using formal methods to assist in the requirements analysis of the space shuttle GPS change request | |
Takahashi et al. | A comparative study of structured and text-oriented analysis and design methodologies | |
Reddy et al. | C programming for scientists and engineers with applications | |
CN114791886B (zh) | 一种软件问题跟踪方法和系统 | |
Shaout et al. | Model based Approach for Automotive Embedded Systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20090318 |