CN102262215B - 一种大型发电机定转子气隙偏心故障检测方法 - Google Patents

一种大型发电机定转子气隙偏心故障检测方法 Download PDF

Info

Publication number
CN102262215B
CN102262215B CN 201110111023 CN201110111023A CN102262215B CN 102262215 B CN102262215 B CN 102262215B CN 201110111023 CN201110111023 CN 201110111023 CN 201110111023 A CN201110111023 A CN 201110111023A CN 102262215 B CN102262215 B CN 102262215B
Authority
CN
China
Prior art keywords
rotor
fault
vibration
stator
frequency
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
CN 201110111023
Other languages
English (en)
Other versions
CN102262215A (zh
Inventor
万书亭
何玉灵
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 CN 201110111023 priority Critical patent/CN102262215B/zh
Publication of CN102262215A publication Critical patent/CN102262215A/zh
Application granted granted Critical
Publication of CN102262215B publication Critical patent/CN102262215B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Abstract

一种大型发电机定转子气隙偏心故障检测方法，用于正确诊断发电机的各种气隙偏心故障并判断故障的严重程度。其技术方案是：它首先利用振动速度传感器采集定子垂向振动速度信号和转子水平振动速度信号，再将这两种信号滤波去噪后采用FFT算法变换为频谱信号，然后将变换后的频谱信号中的不同频率分量与定转子正常振动数据样本中的对应频率分量相比较，从而判断发电机是否存在定转子气隙偏心故障。本发明根据定子垂向振动速度信号和转子水平振动速度信号来诊断大型发电机内部气隙偏心故障，简单易行而且可弥补以转子振动特性为主的传统诊断技术的不足，为发电机的维护和维修提供重要的参考资料。

Description

一种大型发电机定转子气隙偏心故障检测方法
技术领域
本发明涉及一种利用定转子振动信号诊断大型发电机内部气隙偏心故障种类及故障程度的方法，属检测技术领域。
背景技术
大多数大型发电机都不同程度地存在定转子气隙偏心的现象，气隙偏心可分为静偏心、动偏心以及动静混合偏心等三种。当偏心程度超过一定限度时即认为发电机存在气隙偏心故障，此类故障会导致发电机轴承工作状态恶化，同时加剧定转子振动，造成定子铁心变形、绕组磨损和绝缘破坏。
经过多年的研究和经验积累，目前人们已经能够根据发电机转子径向振动、轴向振动、轴心轨迹等特征，对发电机转子质量不平衡、不对中、转子裂纹等常见故障作出快速诊断。但对于气隙偏心故障，由于其转子振动特征与发生转子励磁绕组匝间短路故障（简称：转子短路故障）时极为相似，单凭转子的相关振动特征则不能将气隙偏心故障从转子短路、偏心与转子短路复合故障中区分识别出来，更无法判断偏心故障的种类和程度，给发电机的维护和维修带来很大困难。因此，如何判断发电机是否存在气隙偏心故障以及故障的程度，是有关技术人员目前所面临的难题。
发明内容
本发明的目的在于提供一种简单易行的大型发电机定转子气隙偏心故障检测方法，用于解决将气隙偏心故障从转子短路故障、气隙偏心与转子短路复合故障中区别出来，进而正确诊断发电机的各种气隙偏心故障并判断故障的严重程度。
本发明所称问题是以下述技术方案实现的：
一种大型发电机定转子气隙偏心故障检测方法，该方法首先利用振动速度传感器采集定子垂向振动速度信号和转子水平振动速度信号，再将这两种信号滤波去噪后采用FFT算法变换为频谱信号，然后将变换后的频谱信号中的不同频率分量与定转子正常振动数据样本中的对应频率分量相比较，从而判断发电机是否存在定转子气隙偏心故障，该方法的具体步骤如下：
a. 采用垂向振动速度传感器测取定子垂向振动速度信号，采用水平振动速度传感器测取转子水平振动速度信号；
b. 利用快速傅立叶变换将定子垂向振动速度信号和转子水平振动速度信号变换成频谱信号；
c.排除气隙偏心与转子短路外的其它故障，这一步骤可采用现有成熟技术，不再赘述；
d. 将变换后的频谱信号中的不同频率分量与定转子正常振动数据样本中的对应频率分量相比较，若下列三个条件同时成立，则判断发电机存在定转子气隙偏心故障，否则无气隙偏心故障：
① 定子五倍频、六倍频振动速度无增大；
② 定子二倍频振动速度无降低；
③ 转子四倍频振动速度无增大。
上述大型发电机定转子气隙偏心故障检测方法，定转子气隙偏心故障的种类按下列方法判断：
若定子二倍频、三倍频与四倍频振动速度无增大，则气隙偏心故障为气隙静偏心故障；若定子二倍频、三倍频及四倍频振动速度增大且转子二倍频振动速度无增大，则气隙偏心故障为气隙动偏心故障；若定子二倍频、三倍频与四倍频振动速度增大且转子二倍频振动速度增大，则可确定发电机存在气隙动静混合偏心故障。
上述大型发电机定转子气隙偏心故障检测方法，各类气隙偏心故障的故障程度按下列方法计算：
首先计算所测定子垂向振动速度信号的振动烈度yp：
Figure 959132DEST_PATH_IMAGE001
 ，
其中，ypi 为第i个数据点的振动速度，m为采样点数，
则静偏心故障的故障程度fds由下式计算：
Figure 775DEST_PATH_IMAGE002
 ； 
动偏心故障的故障程度fdd由下式计算：
Figure 138495DEST_PATH_IMAGE003
 ；
动静混合偏心故障的故障程度（包括静偏心故障的故障程度fds和动偏心故障的故障程度fdd）由下式计算：
Figure 131859DEST_PATH_IMAGE004
 ，
其中，ys为正常运行时的样本数据定子通频振动烈度，a1p为实测定子基频振动速度幅值；a1s为正常运行时的样本定子基频振动速度幅值，a2p为实测定子二倍频振动速度幅值；a2s为正常运行时的样本定子二倍频振动速度幅值，fds1 、fds2 、fdd1 、fdd2为四个中间变量。
上述大型发电机定转子气隙偏心故障检测方法，定转子正常振动数据样本的获取方法为：
在发电机组装机调试完毕后且各项指标均趋于正常状态时，测取定子垂向振动速度和转子水平振动速度数据各十组，并求解每十组数据的平均值，然后将数据的平均值滤波去噪后采用FFT算法变换为频谱信号，提取并记录定子一倍频至六倍频振动特征、转子一倍频至四倍频振动特征，同时计算并记录样本数据定子通频振动烈度ys。
本发明根据定子垂向振动速度信号和转子水平振动速度信号来诊断大型发电机内部气隙偏心故障，不仅能够将气隙偏心故障从转子短路、偏心与转子短路复合故障中区分识别出来，而且能够准确判断偏心故障的种类和程度。本发明简单易行，可弥补以转子振动特性为主的传统诊断技术的不足，为发电机的维护和维修提供重要的参考资料。
附图说明
下面结合附图对本发明作进一步详述。
图1是本发明的定转子振动信号测取方法示意图；
图2是发电机气隙偏心故障判据示意图；
图3是发电机气隙静偏心故障判据示意图；
图4是发电机气隙动偏心故障判据示意图；
图5是发电机动静混合偏心故障判据示意图；
图6是发电机偏心故障程度鉴定流程图。
图中各标号为：1、发电机，2、垂向振动速度传感器，3、水平振动速度传感器，4、轴承座，5、励磁机，6、上位机，7、下位机。
文中所用各符号的意义：yp 、定子垂向振动速度信号的振动烈度；ypi 、第i个数据点的振动速度；ys 、正常运行时的样本数据定子通频振动烈度；m 、采样点数；fds 、静偏心故障的故障程度；fdd 、动偏心故障的故障程度；a1p 、实测定子基频振动速度幅值；a1s 、正常运行时的样本定子基频振动速度幅值；a2p 、实测定子二倍频振动速度幅值；a2s 、正常运行时的样本定子二倍频振动速度幅值；fds1 、fds2 、fdd1 、fdd2、中间变量。
具体实施方式
本发明是针对现有故障诊断技术无法将气隙偏心故障从转子短路、偏心与转子短路复合故障中区分识别出来，以及无法对发电机具体的气隙偏心故障程度进行鉴定这两个问题而专门设计的。
本发明需要解决四个问题：一是采用何种方法科学有效地测取发电机的定转子振动信号，以及测取定转子何种振动信号；二是如何同时结合发电机运行时的定子振动特征和转子振动特征将气隙偏心故障从转子短路故障以及气隙偏心和转子短路复合故障中区分出来；三是如何根据定转子振动特征确定出发电机具体的偏心故障种类；四是如何通过定子振动量的前后比对来衡量鉴定发电机偏心故障的严重程度。
参看图1，针对第一个问题，本发明测取的是定子在垂直方向上的径向弯曲振动和转子在水平方向上的径向弯曲振动。测取通过以下方法实现：在发电机1的定子铁芯垂直方向上安装垂向振动速度传感器2，采集的信号通过信号传输线传输至下位机7。在励端轴承座4的水平方向安装水平振动速度传感器3，采集的信号通过信号传输线传输至下位机7。下位机将经过滤波去噪预处理后的信号传至上位机6保存。
参看图2，针对第二个问题，本发明将气隙偏心故障从转子短路故障与气隙偏心和转子短路复合故障中区分出来的具体方法为：先采用现有成熟技术排除气隙偏心与转子短路外的其它典型常见故障，然后判别是否为气隙偏心故障。确定实测的定转子振动信号与正常运行下采取的样本振动信号相比是否同时满足：（1）定子五倍频、六倍频振动速度无增大；（2）定子二倍频振动速度无降低；（3）转子四倍频振动速度无增大。若同时满足此三条，则可判定发电机为气隙偏心故障，若无法同时满足这三条，则为转子短路故障或是气隙偏心与转子短路复合故障。
参看图3、图4及图5，针对第三个问题，气隙静偏心故障的判据为：（1）定子五倍频与六倍频振动速度无增大；（2）定子二倍频振动速度无降低；（3）转子四倍频振动速度无增大；（4）定子二倍频、三倍频与四倍频振动速度无增大。前面三条为从转子短路和气隙偏心与转子短路复合故障中区分出气隙偏心故障的必要条件。同时满足这四个条件则可判定发电机处于气隙静偏心故障。气隙动偏心故障的判据为：同时满足：（1）定子五倍频与六倍频振动速度无增大；（2）定子二倍频振动速度无降低；（3）转子四倍频振动速度无增大；（4）定子二倍频、三倍频及四倍频振动速度增大；（5）转子二倍频振动速度无增大。同时满足这五条则可确定发电机处于气隙动偏心故障。气隙动静混合偏心故障的判据为：同时满足：（1）定子五倍频与六倍频振动速度无增大；（2）定子二倍频振动速度无降低；（3）转子四倍频振动速度无增大；（4）定子二倍频、三倍频与四倍频振动速度增大；（5）转子二倍频振动速度增大。同时满足这五条则可确定发电机处于气隙动静混合偏心故障。
参看图6，针对第四个问题，对于气隙静偏心故障，先计算实测定子通频振动烈度与样本数据定子通频振动烈度的比值yp/ys，对此比值开平方后减去1得到静偏心故障程度的一个中间变量fds1。再计算实测数据定子二倍频振动速度幅值与样本数据定子二倍频振动速度幅值的比值a2p/a2s，将此比值乘2后开平方减1得到静偏心故障程度的另一个中间变量fds2。将fds1与fds2相加后除以2即为静偏心故障程度值fds。对于动偏心故障，先计算实测定子通频振动烈度与样本数据通频振动烈度的比值，对此比值开平方后减去1得到动偏心故障程度的一个中间变量fdd1。再计算实测数据定子二倍频振动速度幅值与样本数据二倍频振动速度幅值的比值，将此比值平方后乘2后减1，再开平方，所得的值再减1然后开平方，得到动偏心故障程度的另一个中间变量fdd2。将fdd1与fdd2相加后除以2即为动偏心故障程度值fdd。对于动静混合偏心故障，由于此故障同时包含有静偏心故障成分和动偏心故障成分，所以需要同时计算静偏心故障程度fds和动偏心故障程度fdd。先同时计算出定子通频振动烈度与样本数据通频振动烈度的比值yp/ys、实测数据定子二倍频振动速度幅值与样本数据定子二倍频振动速度幅值的比值a2p/a2s、实测数据定子基频振动速度幅值与样本数据定子基频振动速度幅值的差值绝对值与样本数据定子二倍频振动速度幅值的比值|a1p-a1s|/ a2s，然后按照公式计算得到静偏心故障程度fds的第一个中间变量fds1；按照公式计算得到动偏心故障程度fdd的第一个中间变量fdd1；按公式
Figure 208902DEST_PATH_IMAGE007
计算得到静偏心故障程度fds的第二个中间变量fds2；按照公式
Figure 982954DEST_PATH_IMAGE008
计算得到动偏心故障程度fdd的第一个中间变量fdd2。然后对于获得的两个静偏心故障程度中间变量和两个动偏心故障程度中间变量分别相加后除以2取均值作为最后的静偏心故障程度结果和动偏心故障程度结果。

Claims (2)

1.一种大型发电机定转子气隙偏心故障检测方法，其特征是，它首先利用振动速度传感器采集定子垂向振动速度信号和转子水平振动速度信号，将这两种信号滤波去噪后采用FFT算法变换为频谱信号，然后将变换后的频谱信号中的不同频率分量与定转子正常振动数据样本中的对应频率分量相比较，从而判断发电机是否存在定转子气隙偏心故障，具体步骤如下：
a. 采用垂向振动速度传感器测取定子垂向振动速度信号，采用水平振动速度传感器测取转子水平振动速度信号；
b. 利用快速傅立叶变换将定子垂向振动速度信号和转子水平振动速度信号变换成频谱信号；
c.排除气隙偏心与转子短路外的其它故障；
d. 将变换后的频谱信号中的不同频率分量与定转子正常振动数据样本中的对应频率分量相比较，若下列三个条件同时成立，则判断发电机存在定转子气隙偏心故障，否则无定转子气隙偏心故障：
① 定子五倍频与六倍频振动速度无增大；
② 定子二倍频振动速度无降低；
③ 转子四倍频振动速度无增大；
定转子气隙偏心故障的种类按下列方法判断：
若定子二倍频、三倍频与四倍频振动速度无增大，则定转子气隙偏心故障为定转子气隙静偏心故障；若定子二倍频、三倍频及四倍频振动速度增大且转子二倍频振动速度无增大，则定转子气隙偏心故障为定转子气隙动偏心故障；若定子二倍频、三倍频与四倍频振动速度增大且转子二倍频振动速度增大，则可确定发电机存在定转子气隙动静混合偏心故障；
各类定转子气隙偏心故障的故障程度按下列方法计算：
首先计算所测定子垂向振动速度信号的振动烈度y p ：
Figure 2011101110236100001DEST_PATH_IMAGE001
 ，
其中，y pi  为第i个数据点的振动速度，m为采样点数，
则定转子气隙静偏心故障的故障程度f ds 由下式计算：
Figure 308346DEST_PATH_IMAGE002
 ； 
定转子气隙动偏心故障的故障程度f dd 由下式计算：
Figure 2011101110236100001DEST_PATH_IMAGE003
 ；
定转子气隙动静混合偏心故障的故障程度、包括定转子气隙静偏心故障的故障程度f ds 和定转子气隙动偏心故障的故障程度f dd ，由下式计算：
Figure 756645DEST_PATH_IMAGE004
 ，
其中，y s 为正常运行时的样本数据定子通频振动烈度，a 1p 为实测定子基频振动速度幅值；a 1s 为正常运行时的样本基频振动速度幅值，a 2p 为实测定子二倍频振动速度幅值；a 2s 为正常运行时的样本二倍频振动速度幅值，f ds1  、f ds2  、f dd1  、f dd2 为四个中间变量。
2.根据权利要求1所述大型发电机定转子气隙偏心故障检测方法，其特征是，定转子正常振动数据样本的获取方法为：
在发电机组装机调试完毕后且各项指标均趋于正常状态时，测取定子垂向振动速度和转子水平振动速度数据各十组，并求解每十组数据的平均值，然后将数据的平均值滤波去噪后采用FFT算法变换为频谱信号，提取并记录定子一倍频至六倍频振动特征、转子一倍频至四倍频振动特征，同时计算并记录样本数据定子通频振动烈度y s   。
CN 201110111023 2011-04-29 2011-04-29 一种大型发电机定转子气隙偏心故障检测方法 Expired - Fee Related CN102262215B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN 201110111023 CN102262215B (zh) 2011-04-29 2011-04-29 一种大型发电机定转子气隙偏心故障检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN 201110111023 CN102262215B (zh) 2011-04-29 2011-04-29 一种大型发电机定转子气隙偏心故障检测方法

Publications (2)

Publication Number Publication Date
CN102262215A CN102262215A (zh) 2011-11-30
CN102262215B true CN102262215B (zh) 2013-05-22

Family

ID=45008918

Family Applications (1)

Application Number Title Priority Date Filing Date
CN 201110111023 Expired - Fee Related CN102262215B (zh) 2011-04-29 2011-04-29 一种大型发电机定转子气隙偏心故障检测方法

Country Status (1)

Country Link
CN (1) CN102262215B (zh)

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103185862B (zh) * 2011-12-31 2016-02-17 上海汽车集团股份有限公司 汽车起动机中的直流电机故障的诊断方法和装置
CN103713261B (zh) * 2013-12-26 2016-06-01 合肥工业大学 一种感应电机气隙偏心故障的检测系统及检测方法
CN104614673B (zh) * 2015-02-25 2017-12-05 珠海派诺科技股份有限公司 一种基于模糊推理的电机气隙偏心故障诊断方法
CN104965175B (zh) * 2015-07-16 2017-10-10 华北电力大学（保定） 一种发电机气隙静态偏心故障方位及故障程度的检测方法
CN105353305B (zh) * 2015-11-17 2018-01-12 浙江大学 基于完全自适应矩阵束的电机转子偏心故障诊断方法
CN105698740B (zh) * 2016-03-30 2018-06-29 同济大学 一种永磁同步电机偏心诊断方法
CN106403880B (zh) * 2016-10-13 2020-02-04 Tcl瑞智（惠州）制冷设备有限公司 一种压缩机转子和定子之间的间隙检测方法和装置
CN106525337B (zh) * 2016-11-30 2019-03-29 北京中元瑞讯科技有限公司 基于在线数据的水轮发电机组磁拉力不平衡故障分析方法
CN108303049A (zh) * 2018-02-05 2018-07-20 西门子（中国）有限公司 定子铁芯内孔圆柱度的检测方法、系统、装置及存储介质
CN110500972B (zh) * 2018-05-16 2021-04-13 西门子（中国）有限公司 电机气隙的检测方法、装置、系统和存储介质
CN109814030A (zh) * 2019-04-01 2019-05-28 西北工业大学 一种同步发电机定转子气隙动态偏心故障的诊断方法
CN110635635B (zh) * 2019-06-27 2021-05-07 华能澜沧江水电股份有限公司 一种基于气隙特征值降低发电机定子低频振动的方法
CN111381164B (zh) * 2020-04-03 2023-05-19 北京瑞森新谱科技股份有限公司 一种马达检测方法及检测系统
CN112162197A (zh) * 2020-09-24 2021-01-01 贵州北盘江电力股份有限公司光照分公司 一种立式机组定转子中心偏移故障的在线诊断方法
CN113311328B (zh) * 2021-04-23 2022-08-23 华北电力大学（保定） 一种基于定子—绕组系统振动特性的转子静偏心诊断方法
CN113624125B (zh) * 2021-08-19 2022-12-06 江苏科技大学 基于电机运行用的半智能偏心度检测系统
CN114460465A (zh) * 2022-04-08 2022-05-10 华中科技大学 一种永磁电机偏心故障的判断方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SU1065789A1 (ru) * 1982-02-11 1984-01-07 Предприятие П/Я В-2156 Способ косвенного определени эксцентриситета воздушного зазора электрической машины
CN101017191A (zh) * 2007-03-01 2007-08-15 华北电力大学 一种汽轮发电机转子绕组匝间短路故障在线诊断方法
CN101430247A (zh) * 2008-11-28 2009-05-13 华北电力大学 汽轮发电机组随机振动故障实时诊断方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101279513B1 (ko) * 2007-01-04 2013-06-28 엘지전자 주식회사 비엘디시 모터 및 이를 구비한 세탁기

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SU1065789A1 (ru) * 1982-02-11 1984-01-07 Предприятие П/Я В-2156 Способ косвенного определени эксцентриситета воздушного зазора электрической машины
CN101017191A (zh) * 2007-03-01 2007-08-15 华北电力大学 一种汽轮发电机转子绕组匝间短路故障在线诊断方法
CN101430247A (zh) * 2008-11-28 2009-05-13 华北电力大学 汽轮发电机组随机振动故障实时诊断方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
汽轮发电机气隙偏心故障分析与诊断方法研究;何玉灵;《中国优秀硕士学位论文全文数据库 工程科技II辑》;20091115(第11期);第26－27，34－36页 *

Also Published As

Publication number Publication date
CN102262215A (zh) 2011-11-30

Similar Documents

Publication Publication Date Title
CN102262215B (zh) 一种大型发电机定转子气隙偏心故障检测方法
Shahriar et al. Electrical signature analysis-based detection of external bearing faults in electromechanical drivetrains
Li et al. Detection of induction motor faults: a comparison of stator current, vibration and acoustic methods
Gu et al. A new method of accurate broken rotor bar diagnosis based on modulation signal bispectrum analysis of motor current signals
CN102707232B (zh) 电动机设备状态在线监测装置及其监测方法
CN105569932A (zh) 风电机组动态不平衡在线检测和故障辨识方法及系统
CN101603854A (zh) 旋转机械启停阶段非平稳振动信号瞬时频率估计算法
CN103926506A (zh) 基于构建函数的汽轮发电机转子绕组短路故障诊断方法
CN103823150A (zh) 基于多传感器联合的汽轮发电机转子匝间短路故障诊断方法
CN111397877B (zh) 一种旋转机械拍振故障检测与诊断方法
CN105318961A (zh) 驱动输送皮带的高压电机振动状态在线监测方法
Wang et al. Bearing fault diagnosis of direct-drive wind turbines using multiscale filtering spectrum
WO2021074248A1 (en) Fault detection in synchronous machines
Haddad et al. Outer race bearing fault detection in induction machines using stator current signals
CN108644130B (zh) 一种泵组故障的检测方法
CN109814030A (zh) 一种同步发电机定转子气隙动态偏心故障的诊断方法
Zhao et al. Vibration health monitoring of rolling bearings under variable speed conditions by novel demodulation technique
Wang et al. Information interval spectrum: A novel methodology for rolling-element bearing diagnosis
CN104568132B (zh) 一种基于参考信号约束的机械特征声信号频域半盲提取方法
Wang et al. Early rolling bearing fault diagnosis in induction motors based on on-rotor sensing vibrations
Sabbatini et al. Data acquisition and processing for tip timing and operational modal analysis of turbomachinery blades
Al-Badour et al. Non-stationary vibration signal analysis of rotating machinery via time-frequency and wavelet techniques
CN104236871A (zh) 离心式压缩机半开式叶轮裂纹故障识别方法
Lim et al. Improved blade fault diagnosis using discrete Blade Passing Energy Packet and rotor dynamics wavelet analysis
Bhattacharya et al. System to monitor blade health in axial flow compressors

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: 20130522

Termination date: 20140429