CN101571712A - 一种具有加工自适应功能与在机质量检测的监控方法 - Google Patents
一种具有加工自适应功能与在机质量检测的监控方法 Download PDFInfo
- Publication number
- CN101571712A CN101571712A CNA2008101534299A CN200810153429A CN101571712A CN 101571712 A CN101571712 A CN 101571712A CN A2008101534299 A CNA2008101534299 A CN A2008101534299A CN 200810153429 A CN200810153429 A CN 200810153429A CN 101571712 A CN101571712 A CN 101571712A
- Authority
- CN
- China
- Prior art keywords
- fuzzy
- processing
- self
- control
- function
- 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
Abstract
本发明属于机电一体化的数控技术领域,涉及一种具有加工自适应功能与在机质量检测的监控方法,包括下列步骤:(1)利用功率传感器与电压传感器进行机床状态信号的采集;(2)采用小波方法对采集到的数据进行信号的高频去噪处理,得到经过处理的功率与电压信号;(3)以进给速度af的变化Δaf作为系统调整量,实现加工过程的闭环反馈模糊控制;(4)当完成需要对工件几何信息进行检测的工序后,采集测量点信息,进行加工工件的误差评定,以误差评定数据作为后续工艺调整的信息源基础,对加工程序进行自适应优化调整。本发明能够实现数控程序的自优化,数控系统可及时获取工件形位误差信息,便于后续工艺参数调整。
Description
技术领域
本发明属于机电一体化的数控技术领域,具体地讲,涉及机床加工监控方法。
背景技术
随着监测技术与数控制造业的发展,越来越多的学者对加工过程的状态监测与控制进行了研究,通过相对应的传感器对加工过程中产生的各种物理量(如声、光、电、力、振动、电流、功率等)采集,进行数据的分析、处理。并依据分析结果对于加工过程进行控制、运行设备的工况以及产品加工质量进行评估以及对于突发的故障及时进行处理、对于潜在危险、故障进行预判,保障加工的安全、顺利进行,并保证加工工件的质量。而这些监测技术与控制手段是通过数控系统的接口进行相关数据与信息的交互来完成的,是独立于数控系统之外,而没有真正的嵌入系统内部,控制的实时性、稳定性都有待改善。
随着工业现场环境和控制对象本身的日益复杂,数控系统已从再是简单的进行运动轨迹与逻辑控制,而是转变为贯穿数字化制造全过程的系统级平台。与此同时数控系统模块化的趋势,使得数控系统的功能单元拥有独立的控制和运算能力,具有独立的数据指令处理体系成为可能。这些都为将监测技术与智能控制手段嵌入到数控系统内部提供了保证。同时由于加工过程的复杂、多变性,数控系统应根据加工工况实时地调整以实现加工的自适应控制。同时由于又计算机技术的飞速发展使得功能集成、开放式数控(Open CNC)成为当今数控技术的主题,数控系统可以集成更多、更复杂的功能。而对于加工件后续的质量检测,往往由于装卸等的无用时间占据了大量的无效时间,影响了加工的效率,也为后续的工艺处理带来不必要的麻烦,为此,很多系统开发商也开始着手将质量检测功能融入到数控系统内部,实现在机质量检测,节省加工整体时间,提供效率,保障后续加工工艺处理的方便与准确性。基于此,本发明将上述技术相融合,提出了一种嵌入数控系统内的加工现场实时的自适应智能控制策略并融合质量检测功能到数控系统内。
发明内容
本发明的目的是克服现有技术的上述不足,提供一种具有加工自适应功能与在机质量检测的监控方法,从而能够在数控加工过程中实时的状态监测获取实时的机床工作状况,对加工参量进行实时的自适应调整,保障加工的顺利进行,机床加工平缓过度,减少机床的冲击,维护机床运行安全,并与现在的质量检测技术融合,使加工件不通过重新的卸载,而在机床本身上面完成质量检测。为此,本发明采用如下的技术方案:
一种具有加工自适应功能与在机质量检测的监控方法,包括下列步骤:
(1)利用功率传感器与电压传感器进行机床状态信号的采集;
(2)采用小波方法对采集到的数据进行信号的高频去噪处理,得到经过处理的功率与电压信号;
(3)以进给速度af的变化Δaf作为系统调整量,实现加工过程的闭环反馈模糊控制,其中,模糊控制输入语言变量取为功率偏差EP及偏差变化率ECP,输出语言变量为进给速度Uaf,令这三个语言变量的模糊集合论域量化档数nf均取相同值6,量化因子ke、kec及比例因子ku依控制要求变化的基本论域而定,隶属函数为三角形函数,根据决策量与系统调整量的联系建立模糊控制规则,对于给定的模糊控制输入语言变量论域上的模糊集 利用推理合成规则完成对输出语言变量论域上的模糊集合的模糊推理,按加权平均法完成输出模糊集合由模糊集合到普通集合的映射,得到被控加工系统的输入调节量;
(4)当完成需要对工件几何信息进行检测的工序后,以三维测头的触发信号作为输入标志量,在检测到测头输入标志量后,读取当前测量点实际坐标,在所有测量点测量完后,进行加工工件的误差评定,以误差评定数据作为后续工艺调整的信息源基础,对加工程序进行自适应优化调整。
本发明将数控技术、模糊控制等人工智能手段、监测技术等相互融合,一方面通过对加工过程中的主电机功率与电压的监测,并在建立基于模糊控制模型的基础上,依据加工工件的实际情况,对加工参量进行实时的自适应调整,使机床的加工过程中切削力可以比较平稳的进行过度,减少对机床的冲击,从而使数控系统具有一定的柔性;另一方面将质量检测功能融入数控系统内部,可在不移动工件的基础上,实现对加工工件的质量检测,获取各种需要的型位公差,可减少工件装卡次数,助于降低废品率。并为后续的工艺调整提供数据源。
依据本发明的监控方法建立的数控系统,能够充分利用了高速发展的软硬件技术优势,可一体化实现对机床的运动控制以及现场物理状态的监测与加工自适应控制以及在机实现质量检测,增强了系统集成度与功能扩展,并使系统具有了一定的智能性。
附图说明
图1基于模糊逻辑的数控加工自适应控制模型。
图2本发明的具有加工自适应功能与在机质量检测的监控流程图。
具体实施方式
下面以依据本发明的监控方法构建的融合自优化功能的智能数控系统为例,对本发明做详细描述。
本发明实施例的数控系统中主要由主控模块、运动控制模块、通讯模块、加工自适应模块、在机质量检测模块组成。其中系统基本模块包括以下三项:主控模块、运动控制模块、通讯模块。基本模块具体结构如下:
(1)主控模块
该模块主要是进行系统整体控制和协调。包括系统初始化、参数管理、全局数据管理、总体任务协调、人机交互管理、运动程序检错、机床调整、用户自定义功能开发、系统帮助等任务,并响应状态监测模块的故障处理措施。
该模块包含有一个中央高性能微处理器,三个数据存储芯片、一个数据管理芯片,一个16位RISC单片机组成。并包含各种数控操作面板、液晶显示器、手轮、报警器、开关及相应的接口电路,电源时钟电路。并通过现场总线将各个芯片相连成整体。
1、中央高性能微处理器:在与之配套的嵌入式实时操作系统的工作环境下,实现主控模块对系统整体的控制和协调。并且可在由高速DSP数字信号处理芯片、可自主运行的ARM芯片等构建的协处理器的配合下,完成一些计算量大和实时性高的复杂控制任务。
2、数据存储芯片主要是包括:1、FLASH-ROM芯片存储着PLC解释软件、PLC应用程序、图形显示控制软件等2、S-RAM芯片存储着系统参数、加工程序、用户宏程序、PLC参数、刀具补偿及工件坐标补偿数据、螺距误差补偿数据,3、D-RAM芯片,作为工作存储器,在系统运行中起缓存左右。
3、数据管理芯片:用于为数控系统中的其他芯片传送各种数据信息,也用于接收和存储数控系统中的其他芯片传来的各种数据信息,增大系统工作的资源共享。
4、16位RISC单片机:利用FLASH-ROM芯片中存储的PLC解释程序与应用程序,完成机床中切削液、气泵等的开关、各种电机的启动/停止的控制、限位开关的信号输入。并通过系统内部总线与中央处理器相联系,以及其命令执行相应功能。
5、系统总线:采用32位数据总线、24位地址总线和30根控制总线组成,主要负责各功能芯片、接口、存储芯片和中央处理器之间的连接,传送数据,地址和控制信号。
(2)运动控制模块
运动控制模块以高速DSP为核心,由下载到S-RAM芯片存储器中的运动程序及配置参数,可独立完成运动程序译码、刀具补偿、螺距补偿、插补、伺服控制等机床动作相关的运动控制功能。由主控模块进行任务调配,驱动机床执行单元运行,并将相关执行信息反馈给主控模块。
(3)通讯模块
通讯模块含有RS232接口、USB接口和以太网接口。用于处理数控系统与其他数控系统、车间数控网络、企业内部网络Intranet以及国际互联网络Internet的数据信息和控制信息的传输。实现系统与外界的通讯和资源信息共享。
在构建系统的基本架构与功能实现的基础上,综合运用数控、测控以及人工智能技术,以高性能微处理器与高速DSP为核心,构建基于加工现场的实时加工参数自适应调整控制及基于红宝石测头的在机质量检测功能,实现数控状态监测、加工控制与后续工件质量检测并行运行。
发明的特色主要体现在基于机床加工现场状态监测的加工实时自适应调整体系、基于机床加工现场的工件质量检测体系以及融合上述体系的数控系统一体化机制。
●基于机床加工现场状态监测的加工实时自适应调整体系是这样实现的:
数控程序的加工参量的实时自适应是由数控系统中的加工自适应模块进行处理。在该模块中,设备运行状态信息由传感器测量得到的加工设备及加工过程物理状态变量的信号形式表现。以DSP为核心配以大容量D-RAM与FLASH-ROM芯片构建信号采集、去噪及加工参数自适应单元。D-RAM用以维持单元内程序运行所需内存空间,并可作为各通道采集数据的缓存区。FLASH-ROM芯片存储可多次下载的系统智能策略库。信号采集单元按需要可配置为2至32通道,配以前端各类传感器阵列可完成振动、切削力、声发射、温度、电机电流、电网电压等加工状态信号的连续采集。
在本发明中,采用的是功率传感器与电压传感器进行机床状态信号的采集,由两个传感器对机床主电机的功率与电压进行实时的监测。并将监测信息传输给数据采集单元,而后再由数据去噪单元对采集数据进行信号的高频去噪处理,完成对信号噪声的去除,而后传输给加工参数自适应单元,在该单元中以输入信号为依据,通过单元内固化的自适应策略进行参数的自适应计算,获取调整后的参数,而后通过系统内部总线向主控模块报告结果数据。并可以对数据进行保存,包括原始采样数据、信号特征量、信号所代表的物理量状态以及优化结果。
(a)、信号去噪单元中的信号去噪处理方法
采用小波方法对采集单元获取的信号进行去噪处理。根据连续小波变换公式
其中s(t)为输入信号;ψ* a,b(t)是ψa,b(t)的复数共轭,而ψa,b(t)则是由基波函数 通过比例和平移变换得到的。其中a是比例因子、b是则是平移变换参数;ψ(t)的时域表示为
令a=2j,b=k2j(j,k∈Z2),在满足 时,进行离散化,可以得出:
通过一个确定比例因子J,可以进一步表示为:
其中: 表示是高频噪声,是我们应该屏蔽不要的;
(b)、加工参数自适应单元中的基于模糊控制策略的加工自适应控制算法:
由于加工过程的非线性、时变性、随机干扰、机理复杂以及现场测量手段不完善等,无法不能建立精确的被控模型,故采用模糊逻辑系统解决这个问题。
在切削力公式: 中,wF远小于yF,故此主轴转速n对于切削力施加的影响力远小于aF,同时切削宽度aw、切削深度ap受加工工艺、刀具、加工余量等因素约束,故此仅以进给速度af的变化Δaf作为系统调整量。
模糊控制模型输入语言变量取为功率偏差EP及偏差变化率ECP,输出语言变量为进给速度Uaf。模糊集合论域量化档数nf均取相同值6。量化因子ke、kec及比例因子kn依控制要求变化的基本轮域而定。语言变量值分别取为:
(1):对于EP:NB,NM,NS,NO,PO,PS,PM,PB;
(2):对于ECP:NB,NM,NS,ZO,PS,PM,PB;
(3):对于Uaf:NB,NM,NS,ZO,PS,PM,PB。
根据决策量与被控目标的联系建立56条模糊控制规则。
由于该模糊系统为双输入单输出系统,因此,每条规则又决定了一个三元关系,即:
由此,可得到该系统控制规则的总模糊关系:
系统的模糊判决过程按加权平均法完成输出模糊集合由模糊集合到普通集合的映射,得到被控加工系统的输入调节量:
利用上述模糊逻辑控制器建立基于主电机功率和电压信号监测的数控加工过程进给量自适应调整控制模型。如图1。
图中,FLC为模糊控制器,CNC_Mach为数控机床,为在线监测的电压信号与标志电压之差,P为实际功率信号,Pref为给定的功率参考值。在任一个采样时刻输入到CNC_Mach的进给量为:
其中, 为初始给定进给量。模糊控制器通过实时调整Δaf实现对进给量的自适应控制。
●基于机床加工现场的工件质量检测体系是这样实现的:
被加工工件几何质量信息的检测由数控系统在机质量检测模块实现。在该模块中,与主控模块共用中央高速微处理器负责整体运行,并由PLC单元支持,进行检测信号的输入监测,通过主控模块的任务调度以及外部激活信号的输入进行功能的响应。
在机检测模块以外部三维测头的触发信号作为输入标志量。测头可选用国产或国外品牌红宝石接触式三维测头。测头规格、测针长度及测球直径等参数根据机床床身及工件尺寸选择。数控加工过程中,当完成某一特定工序后,开始进入工件几何信息检测流程,主要用于分析该工序结束后工件的几何精度并为后续的加工工艺调整提供信息源。
当进行工件质量检测后,首先由高速循环运行的PLC进行测头输入信号的监测,当获取其信号后,首先是经系统总线使运动控制模块停止电机的运行,并通过运动控制模块获取反馈的当前测量点实际坐标。而后将获取的测点数据传输给在机监测模块中的误差评定单元,由其调用相应算法,对获取测点与理论点数据进行比较,获取误差评定结果并用五色点法在系统界面上进行显示。而后再由其激活检测程序,从下一行程序开始运行。如此循环,当所有测量点测量完后,再根据模块内部存储的算法,对所有测点数据进行整体评定,获取如平面度、直线度、圆柱度等各种型位公差结果。同时所有测量点测量数据以及误差评定单元分析结果以日志形式保存在在机检测存储区,作为后续工艺调整的信息源。
(3)融合加工过程自适应控制与在机质量检测功能的数控系统是这样实现的:
所述的数控系统除完成传统数控系统所具有的对机床的运动控制功能外,拓展了基于加工现场状态监测与自适应调整控制功能及在机质量检测功能。数控系统主要分为主控模块、运动控制模块、通讯模块、加工自适应模块、在机质量检测模块5大部分。主控模块负责系统整体任务的管理与调配,在运动控制模块、通讯模块的支持下通过系统内部总线完成系统的基本功能实现。系统采用的是从底层硬件开始的层次化组件化的架构搭建,利于后续的功能扩展与根据需要进行结构的重新配置与裁减。加工自适应模块、在机质量检测模块就是在完成基础功能基础之上应数控发展方向进行的功能扩展。通过系统内部总线与主控模块等其它模块与功能单元相联系,进行信息的交互,功能响应与任务完成。总流程如图2所示。
运动控制模块、加工自适应模块以及主控模块中的PLC单元它们拥有可单独运行的子系统,它们基于总线技术的融合体现了数控系统自身所具备的功能自主规划处理的体系特征。用户命令由主控模块发出,除主控模块自身可以响应的命令外,其余命令经系统内部总线被自动转发到相应模块处理。各模块的协同运行在完成基本的控制基础上,实现了基于加工现场的自适应调整控制与可在机实现加工工件的质量检测功能的数控系统一体化机制。
Claims (1)
1.一种具有加工自适应功能与在机质量检测的监控方法,包括下列步骤:
(1)利用功率传感器与电压传感器进行机床状态信号的采集;
(2)采用小波方法对采集到的数据进行信号的高频去噪处理,得到经过处理的功率与电压信号;
(3)以进给速度af的变化Δaf作为系统调整量,实现加工过程的闭环反馈模糊控制,其中,模糊控制输入语言变量取为功率偏差EP及偏差变化率ECP,输出语言变量为进给速度Uof,令这三个语言变量的模糊集合论域量化档数nf均取相同值6,量化因子ke、kec及比例因子ku依控制要求变化的基本论域而定,隶属函数为三角形函数,根据决策量与系统调整量的联系建立模糊控制规则,对于给定的模糊控制输入语言变量论域上的模糊集利用推理合成规则完成对输出语言变量论域上的模糊集合的模糊推理,按加权平均法完成输出模糊集合由模糊集合到普通集合的映射,得到被控加工系统的输入调节量;
(4)当完成需要对工件几何信息进行检测的工序后,以三维测头的触发信号作为输入标志量,在检测到测头输入标志量后,读取当前测量点实际坐标,在所有测量点测量完后,进行加工工件的误差评定,以误差评定数据作为后续工艺调整的信息源基础,对加工程序进行自适应优化调整。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2008101534299A CN101571712A (zh) | 2008-11-26 | 2008-11-26 | 一种具有加工自适应功能与在机质量检测的监控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2008101534299A CN101571712A (zh) | 2008-11-26 | 2008-11-26 | 一种具有加工自适应功能与在机质量检测的监控方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101571712A true CN101571712A (zh) | 2009-11-04 |
Family
ID=41231084
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2008101534299A Pending CN101571712A (zh) | 2008-11-26 | 2008-11-26 | 一种具有加工自适应功能与在机质量检测的监控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101571712A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102554699A (zh) * | 2010-12-17 | 2012-07-11 | 普夫隆腾德克尔-马豪有限责任公司 | 机床 |
CN104615092A (zh) * | 2013-11-01 | 2015-05-13 | 财团法人工业技术研究院 | 工作机械控制系统及其方法 |
CN106485073A (zh) * | 2016-10-12 | 2017-03-08 | 浙江理工大学 | 一种磨床故障诊断方法 |
CN106886197A (zh) * | 2015-12-16 | 2017-06-23 | 成都与俱科技有限公司 | 控制机器实施加工的方法及其装置和应用 |
CN106886195A (zh) * | 2015-12-16 | 2017-06-23 | 成都与俱科技有限公司 | 机加工控制方法及其装置和应用 |
CN107450481A (zh) * | 2017-08-31 | 2017-12-08 | 福建工程学院 | 一种数控机床切削速度优化方法 |
CN112540567A (zh) * | 2020-10-21 | 2021-03-23 | 吉林省齐智科技有限公司 | 一种汽车模具的在线柔性测量自适应加工方法 |
CN112734223A (zh) * | 2021-01-06 | 2021-04-30 | 中国人民解放军海军航空大学 | 一种基于滚动时域优化的舰载机动态保障调度方法和装置 |
CN113359453A (zh) * | 2021-06-11 | 2021-09-07 | 刘颖妮 | 一种基于人工智能的零件加工装置及其智能车间系统 |
CN113635548A (zh) * | 2021-08-05 | 2021-11-12 | 嘉兴学院 | 一种热熔电流体动力学高均匀性喷印三维微结构控制方法 |
-
2008
- 2008-11-26 CN CNA2008101534299A patent/CN101571712A/zh active Pending
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102554699B (zh) * | 2010-12-17 | 2016-08-24 | 普夫隆腾德克尔-马豪有限责任公司 | 机床 |
CN102554699A (zh) * | 2010-12-17 | 2012-07-11 | 普夫隆腾德克尔-马豪有限责任公司 | 机床 |
CN104615092A (zh) * | 2013-11-01 | 2015-05-13 | 财团法人工业技术研究院 | 工作机械控制系统及其方法 |
CN106886195B (zh) * | 2015-12-16 | 2020-08-18 | 成都与俱科技有限公司 | 机加工控制方法及其装置和应用 |
CN106886197A (zh) * | 2015-12-16 | 2017-06-23 | 成都与俱科技有限公司 | 控制机器实施加工的方法及其装置和应用 |
CN106886195A (zh) * | 2015-12-16 | 2017-06-23 | 成都与俱科技有限公司 | 机加工控制方法及其装置和应用 |
CN106485073A (zh) * | 2016-10-12 | 2017-03-08 | 浙江理工大学 | 一种磨床故障诊断方法 |
CN107450481A (zh) * | 2017-08-31 | 2017-12-08 | 福建工程学院 | 一种数控机床切削速度优化方法 |
CN112540567A (zh) * | 2020-10-21 | 2021-03-23 | 吉林省齐智科技有限公司 | 一种汽车模具的在线柔性测量自适应加工方法 |
CN112734223A (zh) * | 2021-01-06 | 2021-04-30 | 中国人民解放军海军航空大学 | 一种基于滚动时域优化的舰载机动态保障调度方法和装置 |
CN112734223B (zh) * | 2021-01-06 | 2022-09-02 | 中国人民解放军海军航空大学 | 一种基于滚动时域优化的舰载机动态保障调度方法和装置 |
CN113359453A (zh) * | 2021-06-11 | 2021-09-07 | 刘颖妮 | 一种基于人工智能的零件加工装置及其智能车间系统 |
CN113635548A (zh) * | 2021-08-05 | 2021-11-12 | 嘉兴学院 | 一种热熔电流体动力学高均匀性喷印三维微结构控制方法 |
CN113635548B (zh) * | 2021-08-05 | 2022-05-27 | 嘉兴学院 | 一种热熔电流体动力学高均匀性喷印三维微结构控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101571712A (zh) | 一种具有加工自适应功能与在机质量检测的监控方法 | |
CN101477351B (zh) | 具有三级加工自优化功能的智能数控方法 | |
Möhring et al. | Self-optimizing machining systems | |
Chen et al. | Toward intelligent machine tool | |
CN102929210B (zh) | 基于特征的数控加工过程控制和优化系统及方法 | |
Brillinger et al. | Energy prediction for CNC machining with machine learning | |
Liang et al. | Machining process monitoring and control: the state-of-the-art | |
CN203894596U (zh) | 数控机床加工状态多参数在线主动监控系统 | |
Grigoriev et al. | Measurement problems in technological shaping processes | |
US11656614B2 (en) | In-process digital twinning | |
Li et al. | An integrated feature-based dynamic control system for on-line machining, inspection and monitoring | |
CN103823409A (zh) | 数控机床加工状态多参数在线主动监控系统及其实现方法 | |
Liu et al. | Position-oriented process monitoring in milling of thin-walled parts | |
Jia et al. | Machining activity extraction and energy attributes inheritance method to support intelligent energy estimation of machining process | |
Niu et al. | A short review on milling dynamics in low-stiffness cutting conditions: Modeling and analysis | |
Kubota et al. | Step-nc enabled machine tool digital twin | |
Ouafi et al. | Accuracy enhancement of multi-axis CNC machines through on-line neurocompensation | |
Sun et al. | In-situ prediction of machining errors of thin-walled parts: an engineering knowledge based sparse Bayesian learning approach | |
Jarosz et al. | Machine learning approaches towards digital twin development for machining systems | |
Kubota et al. | A cyber-physical machine tool framework based on STEP-NC | |
Hu et al. | Implementation of real-time machining process control based on fuzzy logic in a new STEP-NC compatible system | |
CN111694318A (zh) | 一种数控机床五轴联动精度评估的方法 | |
CN203918644U (zh) | 无线机床热误差实时检测装置 | |
Pappachan et al. | Parameter Prediction Using Machine Learning in Robot-Assisted Finishing Process | |
Yuan et al. | The Cyber-Physical System of Machine Tool Monitoring: A Model-driven Approach with Extended Kalman Filter Implementation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20091104 |