CN102103037B - 汽轮发电机组低频振动与功率递增相关性分析方法 - Google Patents

汽轮发电机组低频振动与功率递增相关性分析方法 Download PDF

Info

Publication number
CN102103037B
CN102103037B CN201010564748A CN201010564748A CN102103037B CN 102103037 B CN102103037 B CN 102103037B CN 201010564748 A CN201010564748 A CN 201010564748A CN 201010564748 A CN201010564748 A CN 201010564748A CN 102103037 B CN102103037 B CN 102103037B
Authority
CN
China
Prior art keywords
low
frequency vibration
vibration amplitude
sequence
power
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
Application number
CN201010564748A
Other languages
English (en)
Other versions
CN102103037A (zh
Inventor
宋光雄
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
North China Electric Power University
Original Assignee
North China Electric Power University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by North China Electric Power University filed Critical North China Electric Power University
Priority to CN201010564748A priority Critical patent/CN102103037B/zh
Publication of CN102103037A publication Critical patent/CN102103037A/zh
Application granted granted Critical
Publication of CN102103037B publication Critical patent/CN102103037B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明属于旋转机械振动状态监测与故障诊断技术领域，尤其涉及一种汽轮发电机组低频振动与功率递增相关性分析方法。包括每隔第一步进长度，采集并存储当前时刻机组功率数据；每隔第二步进长度，计算当前时刻低频振动幅值熵并存储；计算机组功率数据序列的递增趋势参数；计算低频振动幅值熵序列的递增趋势参数以及低频振动幅值熵序列的变化偏度参数；判断机组功率递增趋势实时验证与低频振动幅值熵突变性实时验证是否都通过，如果是，则判定机组功率递增与低频振动增强的相关性明显；否则，判定机组功率递增与低频振动增强的相关性不明显。本发明实现了机组功率递增与低频振动增强的相关性自动实时在线监测和判别。

Description

汽轮发电机组低频振动与功率递增相关性分析方法
技术领域
本发明属于旋转机械振动状态监测与故障诊断技术领域，尤其涉及一种汽轮发电机组低频振动与功率递增相关性分析方法。
背景技术
汽流激振是由蒸汽激振力诱发并在汽轮机高(中)压转子上产生的一种自激振动现象。根据汽流激振机理和国外大机组的运行经验，汽流激振问题更容易发生在高参数、大容量汽轮机的高压转子上，尤其是超临界机组高压(或高中压)转子容易发生汽流激振，致使轴系失稳。由于高参数机组随着汽轮机蒸汽参数的提高，会导致高压缸进汽密度增大、流速提高，蒸汽作用在高压转子上的切向力对动静间隙、密封结构以及转子与汽缸对中度的灵敏度提高，增大了作用在高压转子的激振力。这些将使得轴系稳定性降低，严重时会诱发高压转子失稳，产生很大的突发性低频振动。因为，汽流激振力近似地正比于机组的功率，故由汽流激振引起的不稳定振动就成为限制超临界压力机组出力的重要因素，带负荷工况运行时因振动大引起的跳机故障或被迫限制负荷运行，直接影响了机组的可用率。
机组发生汽流激振故障，经常表现为低频振动突然变大并且汽流机组故障经常发生在机组的高负荷阶段，从而判别低频振动与机组功率的关联性具有重要的工程意义。汽轮发电机组轴系转子低频振动变大与机组功率递增的相关性分析工作，通常由具有一定现场运行经验的专业人员完成，由此带来分析结果客观性较差、对人员的主观性依赖程度较高等问题，并且无法做到转子低频振动与机组功率递增相关性的实时自动在线监测、分析及判别。因此，提出一种汽轮发电机组低频振动与机组功率递增相关性分析方法就显得十分重要。
发明内容
本发明的目的在于，提供一种汽轮发电机组低频振动与功率递增相关性分析方法，对机组功率递增与低频振动增强的相关性进行实时自动在线监测、分析及判别，提高转子低频振动增强与机组功率递增相关性分析工作的效率和准确度，从而保证汽轮发电机组的安全运行。
技术方案是，一种汽轮发电机组低频振动与功率递增相关性分析方法，其特征是所述方法包括下列步骤：
步骤1：设定终止时刻TN，第一起始时刻T1、第二起始时刻T2、第一步进长度t1和第二步进长度t2；
步骤2：从第一起始时刻T1起，到终止时刻TN止，每隔第一步进长度t1，采集并存储当前时刻机组功率数据；从第二起始时刻T2起，到终止时刻TN止，每隔第二步进长度t2，计算当前时刻低频振动幅值熵并存储；
步骤3：按照机组功率数据存储的先后顺序，将机组功率数据排成机组功率数据序列，并计算机组功率数据序列的递增趋势参数；同时，按照低频振动幅值熵存储的先后顺序，将低频振动幅值熵排成低频振动幅值熵序列，计算低频振动幅值熵序列的递增趋势参数以及低频振动幅值熵序列的变化偏度参数；
步骤4：判断机组功率数据序列的递增趋势参数是否大于第一设定阈值并且TN时刻的机组功率数据是否大于第二设定阈值，如果是，则机组功率递增趋势实时验证通过；同时，判断低频振动幅值熵序列的递增趋势参数是否大于第三设定阈值并且低频振动幅值熵序列的变化偏度参数是否大于第四设定阈值，如果是，则低频振动幅值熵突变性实时验证通过；
步骤5：判断机组功率递增趋势实时验证与低频振动幅值熵突变性实时验证是否都通过，如果是，则判定机组功率递增与低频振动增强的相关性明显；否则，判定机组功率递增与低频振动增强的相关性不明显。
所述计算当前时刻低频振动幅值熵具体包括：
步骤101：实时采集汽轮发电机组转子一侧的轴相对振动信号、转子的转速信号以及键相信号；
步骤102：利用快速傅立叶变换频谱分析方法，计算每一采集时刻从低频到高频的振动频率所对应的振动幅值序列；
步骤103：从所述振动幅值序列中，截取所有小于机组工作转速频率的振动频率所对应的振动幅值，得到最终振动幅值序列；
步骤104：利用公式
Figure BSA00000365075200031
计算当前时刻低频振动幅值熵；其中，E是低频振动幅值熵，是最终振动幅值序列，l是最终振动幅值序列中的数据个数，并且规定当
Figure BSA00000365075200033
时，
Figure BSA00000365075200034
所述计算机组功率数据序列的递增趋势参数具体包括：
步骤201：计算机组功率数据序列的顺序数；
步骤202：利用公式IPU＝SPU/Sfull计算机组功率数据序列的递增趋势参数；其中，SPU是机组功率数据序列的顺序数，Sfull是计算机组功率数据序列的顺序数最大值，Sfull＝m(m-1)/2，m是机组功率数据序列中的数据个数。
所述计算低频振动幅值熵序列的递增趋势参数具体包括：
步骤301：计算低频振动幅值熵序列的顺序数；
步骤302：利用公式IE＝SE/Sfull计算低频振动幅值熵数据序列的递增趋势参数；其中，SE是低频振动幅值熵序列的顺序数，Sfull是低频振动幅值熵序列的顺序数最大值，Sfull＝n(n-1)/2，n是低频振动幅值熵序列中的数据个数。
所述计算低频振动幅值熵序列的变化偏度参数利用公式
Figure BSA00000365075200041
其中，σE是低频振动幅值熵序列的标准偏差，
Figure BSA00000365075200042
μE是低频振动幅值熵序列的均值
Figure BSA00000365075200043
n是低频振动幅值熵序列中的数据个数。
所述第一设定阈值为0.8。
所述第二设定阈值为200MW。
所述第三设定阈值为0.7。
所述第四设定阈值为1。
本发明提供的方法，利用机组运行中转子轴相对振动数据与机组功率数据，经过计算判别机组功率提高与低频振动增强的相关性是否明显，能够实现自动实时在线监测、分析判别，确保汽轮发电机组的运行安全。
附图说明
图1是汽轮发电机组低频振动与功率递增相关性分析示意图；
图2是汽轮发电机组低频振动与功率递增相关性分析方法流程图。
具体实施方式
下面结合附图，对优选实施例作详细说明。应该强调的是，下述说明仅仅是示例性的，而不是为了限制本发明的范围及其应用。
图1是汽轮发电机组低频振动与功率递增相关性分析示意图。图1中，转子轴相对振动信号、转子的转速信号以及键相信号可以从配置汽轮发电机组的监视仪表(TSI)获得，机组功率数据信号可以从配置汽轮发电机组的分布式控制系统(DCS)获得。高速振动数据采集卡和数据采集卡插入工业用微型计算机(IPC)提供的插槽内。根据数据采集卡的要求，数据采集调理设备处理来自汽轮发电机组监视仪表(TSI)的轴相对振动信号、转子的转速信号、键相信号，经过处理后的轴相对振动信号、转子的转速信号、键相信号输入IPC内的高速振动数据采集卡。高速振动数据采集卡每一通道技术参数为50ks/s，24bit。同时，数据采集调理设备处理来自汽轮发电机组分布式控制系统(DCS)的机组功率数据信号，经过处理后的机组功率数据输入IPC内的数据采集卡。数据采集卡每一通道技术参数为1ks/s，16bit。根据该方法设计具体的汽轮发电机组低频振动与功率递增相关性实时分析程序，将分析程序安装在工业用微型计算机(IPC)内。
图2是汽轮发电机组低频振动与功率递增相关性分析方法流程图，图2中，汽轮发电机组低频振动与功率递增相关性分析方法包括：
步骤1：设定终止时刻TN，第一起始时刻T1、第二起始时刻T2、第一步进长度t1和第二步进长度t2。并且，可以在实施方法前，设定各个阈值。
本实施例中，设定终止时刻TN＝1200秒，第一起始时刻T1＝0秒，第二起始时刻T2＝1190秒，第一步进长度t1＝3秒，第二步进长度t2＝0.1秒。
第一设定阈值为0.8，第二设定阈值为200MW，第三设定阈值为0.7，第四设定阈值为1。
步骤2：从第一起始时刻T1＝0秒起，到终止时刻TN＝1200秒止，每隔第一步进长度t1＝3秒，采集并存储当前时刻机组功率数据。由于是每3秒采集并存储一次数据，最后共存储了400个机组功率数据。其中时刻TN的
Figure BSA00000365075200051
会在后续判断中使用到。
从第二起始时刻T2＝1190秒起，到终止时刻TN＝1200秒止，每隔第二步进长度t2＝0.1秒，计算当前时刻低频振动幅值熵并存储。由于整个时长Tl＝TN-T2＝10秒，所以每0.1秒计算并存储得到的低频振动幅值熵数据共有100个。
其中，低频振动幅值熵的具体计算过程是，
步骤101：实时采集汽轮发电机组转子一侧的轴相对振动信号、转子的转速信号以及键相信号。
步骤102：利用快速傅立叶变换频谱分析方法，计算每一采集时刻从低频到高频的振动频率所对应的振动幅值序列。
步骤103：从所述振动幅值序列中，截取所有小于机组工作转速频率的振动频率所对应的振动幅值，得到最终振动幅值序列E。
一般机组工作转速频率为50Hz，因此截取过程是将所有小于50Hz频率的振动频率所对应的振动幅值截取出来，形成新的序列。在实施过程中，可以设定振动数据采集频率及采集数据量，使得形成的新序列的个数为100个。这样得到新序列称为中间振动幅值序列
Figure BSA00000365075200061
其中1≤i≤100。
步骤104：利用公式
Figure BSA00000365075200062
计算当前时刻低频振动幅值熵。其中，E是低频振动幅值熵，
Figure BSA00000365075200063
是最终振动幅值序列，l＝100，并且规定当
Figure BSA00000365075200064
时，
Figure BSA00000365075200065
步骤3：按照机组功率数据存储的先后顺序，将机组功率数据排成机组功率数据序列
Figure BSA00000365075200066
(i＝1，2，3，...，400)，并计算机组功率数据序列的递增趋势参数。
计算机组功率数据序列的递增趋势参数具体过程是：
步骤201：计算机组功率数据序列的顺序数SPU。
其中，顺序对是指在一个数据序列中，一对数的前后位置与大小顺序相同，即前面的数小于后面的数；顺序数是指一个数据序列中顺序对的总数。
步骤202：利用公式IPU＝SPU/Sfull计算机组功率数据序列的递增趋势参数；其中，SPU是机组功率数据序列的顺序数，Sfull是计算机组功率数据序列的顺序数最大值，Sfull＝m(m-1)/2，m＝400。
与此同时，按照低频振动幅值熵存储的先后顺序，将低频振动幅值熵排成低频振动幅值熵序列Ei(i＝1，2，3，...，100)，计算低频振动幅值熵序列的递增趋势参数以及低频振动幅值熵序列的变化偏度参数。
其中，计算低频振动幅值熵序列的递增趋势参数具体包括：
步骤301：计算低频振动幅值熵序列的顺序数SE。
顺序对是指在一个数据序列中，一对数的前后位置与大小顺序相同，即前面的数小于后面的数；顺序数是指一个数据序列中顺序对的总数。
步骤302：利用公式IE＝SE/Sfull计算低频振动幅值熵数据序列的递增趋势参数；其中，SE是低频振动幅值熵序列的顺序数，Sfull是低频振动幅值熵序列的顺序数最大值，Sfull＝n(n-1)/2，n＝100。
计算低频振动幅值熵序列的变化偏度参数利用公式其中，σE是低频振动幅值熵序列的标准偏差，
Figure BSA00000365075200072
μE是低频振动幅值熵序列的均值
Figure BSA00000365075200073
n是低频振动幅值熵序列中的数据个数。
步骤4：判断是否机组功率数据序列的递增趋势参数IPU＞0.8并且TN＞200MW，如果是，则机组功率递增趋势实时验证通过；同时，判断是否低频振动幅值熵序列的递增趋势参数IE＞0.7并且低频振动幅值熵序列的变化偏度参数κE＞1，如果是，则低频振动幅值熵突变性实时验证通过。
步骤5：判断机组功率递增趋势实时验证与低频振动幅值熵突变性实时验证是否都通过，如果是，则判定机组功率递增与低频振动增强的相关性明显；否则，判定机组功率递增与低频振动增强的相关性不明显。
当机组功率递增与低频振动增强的相关性明显时，可以确定机组发生汽流激振故障的可能性增大，因此需要采取措施，避免发生机组汽流激振故障，从而保证机组的安全运行。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (5)

1.一种汽轮发电机组低频振动与功率递增相关性分析方法，其特征是所述方法包括下列步骤：
步骤1：设定终止时刻TN，第一起始时刻T1、第二起始时刻T2、第一步进长度t1和第二步进长度t2；
步骤2：从第一起始时刻T1起，到终止时刻TN止，每隔第一步进长度t1，采集并存储当前时刻机组功率数据；从第二起始时刻T2起，到终止时刻TN止，每隔第二步进长度t2，计算当前时刻低频振动幅值熵并存储；
所述计算当前时刻低频振动幅值熵具体包括：
步骤101：实时采集汽轮发电机组转子一侧的轴相对振动信号、转子的转速信号以及键相信号；
步骤102：利用快速傅立叶变换频谱分析方法，计算每一采集时刻从低频到高频的振动频率所对应的振动幅值序列；
步骤103：从所述振动幅值序列中，截取所有小于机组工作转速频率的振动频率所对应的振动幅值，得到最终振动幅值序列；
步骤104：利用公式 计算当前时刻低频振动幅值熵；其中，E是低频振动幅值熵， 是最终振动幅值序列，l是最终振动幅值序列中的数据个数，并且规定当 
Figure FSB00000742277500013
时， 
Figure FSB00000742277500014
步骤3：按照机组功率数据存储的先后顺序，将机组功率数据排成机组功率数据序列，并计算机组功率数据序列的递增趋势参数；同时，按照低频振动幅值熵存储的先后顺序，将低频振动幅值熵排成低频振动幅值熵序列，计算低频 振动幅值熵序列的递增趋势参数以及低频振动幅值熵序列的变化偏度参数；
所述计算机组功率数据序列的递增趋势参数具体包括：
步骤201：计算机组功率数据序列的顺序数；其中，顺序数是指一个数据序列中顺序对的总数；顺序对是指在一个数据序列中，一对数的前后位置与大小顺序相同，即前面的数小于后面的数；
步骤202：利用公式IPU＝SPU/Sfull计算机组功率数据序列的递增趋势参数；其中，SPU是机组功率数据序列的顺序数，Sfull是计算机组功率数据序列的顺序数最大值，Sfull＝m(m-1)/2，m是机组功率数据序列中的数据个数；
所述计算低频振动幅值熵序列的递增趋势参数具体包括：
步骤301：计算低频振动幅值熵序列的顺序数；其中，顺序数是指一个数据序列中顺序对的总数；顺序对是指在一个数据序列中，一对数的前后位置与大小顺序相同，即前面的数小于后面的数；
步骤302：利用公式IE＝SE/Sfull计算低频振动幅值熵数据序列的递增趋势参数；其中，SE是低频振动幅值熵序列的顺序数，Sfull是低频振动幅值熵序列的顺序数最大值，Sfull＝n(n-1)/2，n是低频振动幅值熵序列中的数据个数；
所述计算低频振动幅值熵序列的变化偏度参数利用公式 
Figure FSB00000742277500021
其中，σE是低频振动幅值熵序列的标准偏差， 
Figure FSB00000742277500022
μE是低频振动幅值熵序列的均值 
Figure FSB00000742277500023
n是低频振动幅值熵序列中的数据个数；
步骤4：判断机组功率数据序列的递增趋势参数是否大于第一设定阈值并且TN时刻的机组功率数据是否大于第二设定阈值，如果是，则机组功率递增趋势实时验证通过；同时，判断低频振动幅值熵序列的递增趋势参数是否大于第三 设定阈值并且低频振动幅值熵序列的变化偏度参数是否大于第四设定阈值，如果是，则低频振动幅值熵突变性实时验证通过；
步骤5：判断机组功率递增趋势实时验证与低频振动幅值熵突变性实时验证是否都通过，如果是，则判定机组功率递增与低频振动增强的相关性明显；否则，判定机组功率递增与低频振动增强的相关性不明显。
2.根据权利要求1所述的一种汽轮发电机组低频振动与功率递增相关性分析方法，其特征是所述第一设定阈值为0.8。
3.根据权利要求1所述的一种汽轮发电机组低频振动与功率递增相关性分析方法，其特征是所述第二设定阈值为200MW。
4.根据权利要求1所述的一种汽轮发电机组低频振动与功率递增相关性分析方法，其特征是所述第三设定阈值为0.7。
5.根据权利要求1所述的一种汽轮发电机组低频振动与功率递增相关性分析方法，其特征是所述第四设定阈值为1。 
CN201010564748A 2010-11-24 2010-11-24 汽轮发电机组低频振动与功率递增相关性分析方法 Expired - Fee Related CN102103037B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201010564748A CN102103037B (zh) 2010-11-24 2010-11-24 汽轮发电机组低频振动与功率递增相关性分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201010564748A CN102103037B (zh) 2010-11-24 2010-11-24 汽轮发电机组低频振动与功率递增相关性分析方法

Publications (2)

Publication Number Publication Date
CN102103037A CN102103037A (zh) 2011-06-22
CN102103037B true CN102103037B (zh) 2012-08-29

Family

ID=44155969

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201010564748A Expired - Fee Related CN102103037B (zh) 2010-11-24 2010-11-24 汽轮发电机组低频振动与功率递增相关性分析方法

Country Status (1)

Country Link
CN (1) CN102103037B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102645336B (zh) * 2012-05-10 2014-06-04 华北电力大学 汽轮发电机组汽流激振故障实时辨识方法
CN102692303B (zh) * 2012-05-17 2014-07-02 华北电力大学 汽轮发电机组汽流激振故障高效识别方法
CN104111154B (zh) * 2014-06-23 2016-08-24 北京金风科创风电设备有限公司 风力发电机组的振动趋势分析方法和振动趋势分析系统
CN114048562B (zh) * 2021-11-04 2023-02-28 中国大唐集团科学技术研究院有限公司中南电力试验研究院 一种汽轮发电机组参数关联性分析方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101430239A (zh) * 2008-11-28 2009-05-13 华北电力大学 大型汽轮发电机组油膜涡动故障实时诊断方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0566150A (ja) * 1991-09-09 1993-03-19 Hitachi Ltd 回転次数比分析方法および装置
JPH05248938A (ja) * 1992-03-04 1993-09-28 Nkk Corp ゴムライニングローラのゴム剥離診断法
DE102005028214A1 (de) * 2005-06-17 2006-12-21 Siemens Ag Vibrationsmesssystem

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101430239A (zh) * 2008-11-28 2009-05-13 华北电力大学 大型汽轮发电机组油膜涡动故障实时诊断方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
JP特开平5-248938A 1993.09.28
JP特开平5-66150A 1993.03.19
王海等.水轮发电机组低频振动异常信号分析研究.《水力发电》.2003,第29卷(第3期),31-34,46. *

Also Published As

Publication number Publication date
CN102103037A (zh) 2011-06-22

Similar Documents

Publication Publication Date Title
EP3631205B1 (en) Wind turbine fault detection using acoustic, vibration, and electrical signals
CN101451898B (zh) 汽轮发电机组转子热弯曲不平衡故障实时诊断方法
CN102288283B (zh) 汽轮发电机组振动故障的监测方法及装置
CN101430247B (zh) 汽轮发电机组随机振动故障实时诊断方法
CN102103037B (zh) 汽轮发电机组低频振动与功率递增相关性分析方法
CN102072764B (zh) 汽轮发电机组低频振动单峰实时分析方法
WO2012097819A1 (en) A method for diagnostic monitoring of a wind turbine generator system
CN102095491B (zh) 汽轮发电机组低频振动突变性实时分析方法
CN102175306B (zh) 汽轮发电机组油膜振荡故障实时辨识方法
CN101403648A (zh) 大型汽轮发电机组汽流激振故障实时诊断方法
CN102087139A (zh) 汽轮发电机组低频振动频率成份实时分析方法
CN102087140B (zh) 汽轮发电机组低频振动主峰频率平稳性分析方法
CN102095492B (zh) 汽轮发电机组低频振动与润滑油温相关性实时分析方法
CN102096771B (zh) 汽轮发电机组轴承瓦温变化趋势实时分析方法
CN102175408B (zh) 汽轮发电机组轴承座刚度实时辨识方法
CN117028164A (zh) 一种风电机组振动检测方法和设备
CN102175307B (zh) 汽轮发电机组低频振动谱阵实时定量分析方法
CN102692303B (zh) 汽轮发电机组汽流激振故障高效识别方法
CN102012263B (zh) 汽轮机组转子振动同相分量平稳性实时辨识方法
Gałka Vibration-based diagnostics of steam turbines
JP2017166391A (ja) 風力発電設備の異常診断装置
CN114526806A (zh) 基于二次指数平滑法的旋转机械振动爬升特征提取方法
Mustafa et al. Principal component analysis anomaly detector for rotor broken bars
CN103323103B (zh) 大型汽轮发电机组低频振动实时预测方法
Baglio et al. On-line condition monitoring tool for nuclear research reactors coolant system components

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
C17 Cessation of patent right
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20120829

Termination date: 20131124