CN102722102B - 基于误差分析的h∞反馈与迭代学习协调控制方法 - Google Patents
基于误差分析的h∞反馈与迭代学习协调控制方法 Download PDFInfo
- Publication number
- CN102722102B CN102722102B CN201210203097.7A CN201210203097A CN102722102B CN 102722102 B CN102722102 B CN 102722102B CN 201210203097 A CN201210203097 A CN 201210203097A CN 102722102 B CN102722102 B CN 102722102B
- Authority
- CN
- China
- Prior art keywords
- feedback
- iterative learning
- control
- interference
- filter
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000013461 design Methods 0.000 claims abstract description 23
- 230000006870 function Effects 0.000 claims description 43
- 239000012141 concentrate Substances 0.000 claims description 6
- 238000012546 transfer Methods 0.000 claims description 6
- 238000001228 spectrum Methods 0.000 abstract description 5
- 230000008569 process Effects 0.000 description 13
- 230000035945 sensitivity Effects 0.000 description 6
- 238000005070 sampling Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012892 rational function Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013341 scale-up Methods 0.000 description 1
- 230000009131 signaling function Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Landscapes
- Feedback Control In General (AREA)
Abstract
一种基于误差分析的H∞反馈与迭代学习协调控制方法,定义两个误差和在实际运行中通过分析这两个误差信号估计可重复干扰和不可重复干扰的频谱,从而设计滤波器Q(s)和反馈控制器K(s),使得迭代学习控制与H∞反馈控制能协调工作。本发明通过迭代学习控制与H∞反馈控制的协调工作减小可重复干扰和不可重复干扰的影响,使控制系统有很好的收敛性,进行更精确的轨迹跟踪。
Description
技术领域
本发明涉及的是一种伺服控制技术领域的方法,具体是一种基于误差分析的H∞反馈与迭代学习协调控制方法。
背景技术
伺服控制系统在实际重复运行过程中,存在可重复干扰和不可重复干扰。传统控制方法,如反馈控制,通常是利用当前加工过程的误差信息通过一定的控制算法获得控制输入信号作用于被控对象,控制器一经设计,每一加工周期跟踪误差也基本相同,随着一次次重复性加工的进行,控制性能不能得到改进,轨迹跟踪误差也不会逐渐减小。实际上,传统控制方法仅仅利用当前加工过程的误差信息,而以前加工过程的信息没有利用。如何利用以前加工过程的误差信息和当前加工过程的误差信息,减小控制系统轨迹跟踪的误差,以提高期望轨迹跟踪精度成为本领域的技术难题。
迭代学习控制的基本思想出现于1971年的一项美国发明专利和1978年日本学者Uchiyama发表的一篇日文研究论文;直到1984年,Arimoto等人首次提出迭代学习控制的概念,并提出各种控制算法,如开闭环PID型迭代学习算法、高阶迭代学习控制算法、带遗忘因子的迭代学习控制算法等。专利方面,已经有一种精确目标跟踪的超前迭代学习控制方法,它是一种利用超前时刻跟踪误差信息作为修正量的迭代学习控制方法,以实现不确定时滞系统对给定期望输出轨迹的精确跟踪。迭代学习控制能有效地消除可重复干扰,实现未知对象的运行轨迹以高精度跟踪给定的期望轨迹;但对状态扰动、测量噪声等不可重复干扰却无能为力。
H∞控制是解决存在时变不确定性实际系统的常用控制策略,能够从使闭环系统稳定的所有控制器中选出一个控制器使之相应的H∞扰动抑制比最小,因而能有效地抑制干扰。
迭代学习控制通过学习控制算法能完全克服重复性扰动对跟踪误差的影响,H∞控制对能量有限的不可重复扰动信号能有效抑制;因此,如何提取可重复干 扰和不可重复干扰信号的频谱信息,结合迭代学习控制和H∞控制的特点,设计伺服控制算法,成为研究高精度伺服控制技术的重要内容。
发明内容
为了克服现有的伺服控制方法的不能完全克服重复性扰动对跟踪误差的影响、不能有效抑制不可重复扰动信号、控制精度较低的不足,本发明提供一种有效减少可重复干扰和不可重复干扰的影响、收敛性良好、控制精度更高的基于误差分析的H∞反馈与迭代学习协调控制方法。
为了解决上述问题本发明提供的技术方案为:
所述反H∞馈与迭代学习协调控制方法具体包括以下步骤:
1)、在单位反馈情况下,控制系统运行N次,系统在单位反馈情况下运行,相当于控制系统在K(s)=1、Q(s)=0时运行;其中,反馈控制器K(s)代表H∞反馈控制器传递函数,滤波器Q(s)表示迭代学习环节的滤波器传递函数;
4)、对 进行快速傅里叶变换,即
5)、依据 和 分析可重复干扰和不可重复干扰的幅频特性;
6)、依据可重复干扰的幅频特性,设计滤波器Q(s);
7)、依据不可重复干扰的幅频特性,选择权重函数数值,进行H∞反馈控制器的设计;所述权重函数的选择,首先需要确定不可重复干扰集中的频段,根据 的幅频特性确定;根据已选择的权重函数,用Matlab鲁棒控制工具箱中的H∞求解函数,求解出反馈控制器K(s);
8)、为迭代学习选择PI参数,得到迭代学习的控制律、迭代学习环节的滤波器Q(s)和H∞反馈控制器K(s),使得迭代学习控制与H∞反馈控制能协调工作。
进一步,所述步骤6)中,如果可重复干扰的幅频特性集中在0到截止频率fd,滤波器设计成低通型;如果集中在起始频率fb到截止频率fd之间,可以设计成带通滤波器,带宽为fd-fb。
再进一步,所述步骤6)中,滤波器采用切比雪夫II型滤波器。当然,也可以选用其他类型的滤波器。
本发明的有益效果主要表现在可以提高控制性能,有一定的学习能力,具有良好轨迹跟踪能力。本发明定义了两个误差 和 在实际运行中通过分析这两个误差信号估计可重复干扰和不可重复干扰的频谱,从而设计滤波器Q(s)和反馈控制器K(s)。迭代学习环节的滤波器Q(s)有利于控制量信号的平滑,减少可重复干扰的影响,提高轨迹跟踪能力;H∞反馈控制器K(s)能有效地抑制干扰,减少不可重复干扰的影响。
本发明在迭代学习环节利用了以前加工过程的误差信息,又在H∞反馈控制环节利用了当前加工过程的误差信息,即把这两种误差信息都合理地利用起来。并且,通过迭代学习控制与H∞反馈控制的协调工作减小可重复干扰和不可重复干扰的影响,使控制系统有很好的收敛性,进行更精确的轨迹跟踪。
附图说明
图1为近似的控制系统两阶模型;
图2为控制系统设计结构图;
图3为H∞控制混合灵敏度问题结构图
图4为H∞反馈设计中的权重函数;
图7为第30次运行后的跟踪结果;
图8为30次运行过程中误差绝对值的最大值收敛过程。
具体实施方式
以下结合附图和实施例对本发明的技术方案作进一步描述。
参照图1~图8,一种基于误差分析的H∞反馈与迭代学习协调控制方法,合理利用好以前加工过程的误差信息和当前加工过程的误差信息,并结合控制系统H∞控制和迭代学习控制的特点;在频域,通过分析 和 反映可重复干扰和不可重复干扰的误差频率特性,确定迭代学习环节的滤波器和权重函数,设计迭代学习律和H∞控制器。
迭代学习环节采用的是开环学习策略,其学习律如下:
uj+1(t)=uj(t)+Lej(t)
式中,uj+1(t)表示第j+1次运行输入的控制量,uj(t)表示第j次运行输入的控制量,ej(t)表示第j次运行的误差,L为线性或非线性算子。迭代学习的类型有很多,本专利选择开环PI型,其学习律为:
式中,迭代学习的收敛性由KP和KI决定,故迭代学习律的设计就转化为如何选取这两个参数的问题。实际应用中,只需要合理选择PI参数即可。
在测量的输出信号中不可避免地存在不可重复干扰,为了保证迭代学习控制的收敛性能需要在迭代学习环节增加一个滤波器Q,即
uj+1(t)=Q(uj(t)+Lej(t))
其中,滤波器Q可以依据不可重复干扰信号的幅频特性进行设计。
H∞反馈控制环节是通过求解混合灵敏度问题设计H∞反馈控制器K(s)。在实际控制系统中,经常是干扰和受控对象的不确定性同时存在,同时抑制干扰和受控对象的不确定称为H∞控制的混合灵敏度问题,其设计中,有3个重要的函数S(s)、T(s)和KS(s),具体定义如下:
式中:S(s)表示灵敏度函数,T(s)表示互补灵敏度函数,KS(s)表示输入灵敏度函数,G(s)表示被控系统传递函数,K(s)表示H∞反馈控制器传递函数,r(s)表示输入信号,v(s)表示H∞反馈控制器的输出信号,y(s)输出信号。
H∞反馈控制器的设计要确定广义受控对象,将r(s)和v(s)看作输入量,z1(s)、z2(s)、z3(s)和e(s)看作输出量,可以得到输入输出矩阵:
其中v(s)表示H∞反馈控制器的输出信号,v(s)=K(s)e(s),z1(s)、z2(s)、z3(s)表示干扰加权后的输出,由此可得广义受控对象表达式为:
H∞反馈控制问题就是寻找正则的有理函数控制器K(s),使控制系统闭环稳定,并且使λ最小化
其中||S||∞是闭环系统对干扰抑制能力的度量,||KS||∞是对加性摄动中允许幅度大小的度量,||T||∞是对乘性摄动中允许幅度大小的度量。
H∞反馈控制环节主要通过分析反馈环节,选择合理的权重函数,设计合适的反馈控制器K(s)。权重函数WS(s)一般情况下,选择在低频时增益高,在高频时增益低;这个设计能使S(s)低频时幅值小,确保在低频段有良好的跟踪轨迹。权重函数WV(s)用来保证控制信号始终在限制范围内,一般低频时低增益、高频时高增益。权重函数WT(s)在低频时增益低、高频时增益高。这样设计使T(s)在高频时幅值小,能有效抑制高频噪声影响。
本发明是通过以下技术方案实现的,具体包括以下步骤:
1、在单位反馈情况下,控制系统运行N次。系统在单位反馈情况下运行,相当于控制系统在K(s)=1、Q(s)=0时运行。其中,K(s)代表H∞反馈控制器传递函数,Q(s)表示迭代学习环节的滤波器传递函数。
6、依据可重复干扰的幅频特性,设计滤波器Q(s)。如果可重复干扰的幅频特性集中在0到截止频率fd,滤波器可以设计成低通型;如果集中在起始频率fb到截止频率fd之间,可以设计成带通滤波器,带宽为fd-fb。滤波器设计方法有很多种,采用切比雪夫II型比较合理,因为其阻带内具有等纹波起伏特性,通带内单调、平滑,随着滤波器阶次增大而接近矩形等优点。
7、依据不可重复干扰的幅频特性,选择合适的权重函数数值,进行H∞反馈控制器的设计。在设计反馈控制器K(s)时,权重函数的选择根据 的幅频特性选取合适的数值。权重函数的选择,首先需要确定不可重复干扰集中的频段, 可以根据 的幅频特性确定。由于权重函数波特图中各个频段对应不同权重函数幅值特性,根据不可重复干扰集中的频段可以确定相应权重函数幅值特性,从而选出相对应的权重函数。最后,根据已选择的权重函数,用Matlab鲁棒控制工具箱中的H∞求解函数,求解出反馈控制器K(s)。
通过以上步骤的设计,并为迭代学习合理选择PI参数,可以得到迭代学习的控制律、迭代学习环节的滤波器Q(s)和H∞反馈控制器K(s),使得迭代学习控制与H∞反馈控制能协调工作。
实例:考虑如图1所示的一伺服系统两阶模型,由图可以得到被控系统的二阶传递函数:
其中,KP位置回路比例增益,KV速度控制回路增益。比例增益系数KP=cpωF,KV=cvωF,其中ωF是自然角频率,cp和cv是比例系数,取值为cp≈0.24,cv≈0.96。
结合控制系统运动结构的相关参数,选取自然角频率ωF=4000Hz,则伺服系统的二阶传递函数模型为:
另取系统参考输入为:
y(t)=sin(3t);
干扰输入为:
d(t)=0.3sin(5t)+0.2asin(25t);
其中a是绝对值小于1的随机数列。
噪声输入为:
n(t)=0.02sin(t)+0.01sin(30t);
图6(a)表示 信号,图6(b)为 的频谱图,图6(c)表示 信 号,图6(d)为 的频谱图。从FFT频谱图可见, 和 在低频中比较集中,因此,迭代学习环节的滤波器选择低通滤波器,权重函数选取依据图4,取WS=0.99、WT=WV=0.003。根据已选择的权重函数,用Matlab鲁棒控制工具箱中的H∞求解函数,解得:γ=0.990522,H∞反馈控制器为:
迭代学习控制参数,取KP=0.59、KI=0.91,把系统的各个参数代入整体算法中,进行仿真。由于实际系统是离散的,仿真中,设定时间为3s,采样周期为1ms,取数字低通滤波器为:
将各个传递函数转化为Z传递函数形式:
选用每次运行过程中输出误差绝对值的最大值|e|m=max|e(t)0≤t≤3|作为性能指标,其中e(t)=yd(t)-y(t)-n(t)。在0□3s内,按1ms采样一次的方式,进行30次迭代运行,可得2个运行结果,如图7、图8所示。
通过图7、8可以看出,在迭代学习控制环节和H∞反馈控制环节的共同作用下,误差逐渐减小,这说明整个控制器有很好的收敛性,能在一定干扰下,使输出轨迹逐渐趋近期望轨迹。
以上阐述的是本发明给出的一个实施例表现出的精确轨迹跟踪效果。需要指出,本发明不只限于上述实施例,在不偏离本发明基本精神及不超出本发明实质内容所涉及范围的前提下对其可作种种变形加以实施。
而且,本发明针对一般控制系统模型给出了求解传递函数方法,尽管上述实施例所说明的控制系统控制方法是在相关编程软件上来进行的,目的是说明简洁清楚,但还可以通过采用基于Cotex M3处理器的STM32系列芯片和相关硬件在笛卡尔型三轴机械臂上实现机械臂末端执行器的精确轨迹跟踪。
Claims (1)
所述H∞反馈与迭代学习协调控制方法具体包括以下步骤:
1)、在单位反馈情况下,控制系统运行N次,系统在单位反馈情况下运行,相当于控制系统在K(s)=1、Q(s)=0时运行;其中,反馈控制器K(s)代表H∞反馈控制器传递函数,滤波器Q(s)表示迭代学习环节的滤波器传递函数;
6)、依据可重复干扰的幅频特性,设计滤波器Q(s);如果可重复干扰的幅频特性集中在0到截止频率fd,滤波器设计成低通型;如果集中在起始频率fb到截止频率fd之间,可以设计成带通滤波器,带宽为fd-fb;滤波器采用切比雪夫II型滤波器;
7)、依据不可重复干扰的幅频特性,选择权重函数数值,进行H∞反馈控制器的设计;所述权重函数的选择,首先需要确定不可重复干扰集中的频段,根据的幅频特性确定;根据已选择的权重函数,用Matlab鲁棒控制工具箱中的H∞求解函数,求解出反馈控制器K(s);
8)、为迭代学习选择PI参数,得到迭代学习的控制律、迭代学习环节的滤波器Q(s)和H∞反馈控制器K(s),使得迭代学习控制与H∞反馈控制能协调工作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210203097.7A CN102722102B (zh) | 2012-06-19 | 2012-06-19 | 基于误差分析的h∞反馈与迭代学习协调控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210203097.7A CN102722102B (zh) | 2012-06-19 | 2012-06-19 | 基于误差分析的h∞反馈与迭代学习协调控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102722102A CN102722102A (zh) | 2012-10-10 |
CN102722102B true CN102722102B (zh) | 2014-07-02 |
Family
ID=46947905
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210203097.7A Active CN102722102B (zh) | 2012-06-19 | 2012-06-19 | 基于误差分析的h∞反馈与迭代学习协调控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102722102B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109015661A (zh) * | 2018-09-29 | 2018-12-18 | 重庆固高科技长江研究院有限公司 | 工业机器人迭代学习修正轨迹误差的方法 |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104050355B (zh) * | 2014-03-25 | 2017-06-23 | 浙江工业大学 | 一种基于h∞滤波的机械臂外力估计方法 |
CN104333004B (zh) * | 2014-05-30 | 2017-06-23 | 国家电网公司 | 基于h∞混合灵敏度的微型燃气轮机鲁棒控制方法 |
CN108170027B (zh) * | 2017-12-05 | 2020-01-17 | 深圳市道通智能软件开发有限公司 | 云台控制器控制参数调整方法、装置、介质和云台控制器 |
CN110083981B (zh) * | 2019-05-17 | 2023-04-28 | 重庆交通大学 | 一种基于遗忘因子的任意初态下的迭代学习故障估计方法 |
CN110110711B (zh) * | 2019-06-06 | 2021-06-04 | 郑州轻工业学院 | 一种噪声信道下的迭代学习控制系统输入信号估计方法 |
CN113934140A (zh) * | 2020-07-14 | 2022-01-14 | 无锡市电子仪表工业有限公司 | 一种基于分布式滤波器的迭代学习目标轨迹跟踪方法 |
CN113671833B (zh) * | 2021-08-22 | 2024-01-05 | 北京工业大学 | 不确定重复控制系统协调设计方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1965553A (zh) * | 2004-03-12 | 2007-05-16 | 株式会社Ntt都科摩 | 生成误差信号的设备和方法 |
CN102323790A (zh) * | 2011-07-15 | 2012-01-18 | 浙江工业大学 | 两轴数控系统的串级型迭代学习交叉耦合轮廓误差控制方法 |
CN102393677A (zh) * | 2011-10-27 | 2012-03-28 | 浙江工业大学 | 三轴数控系统的串级型迭代学习交叉耦合轮廓误差控制方法 |
CN102393867A (zh) * | 2011-10-12 | 2012-03-28 | 天津工业大学 | 纯电动轿车车窗防夹的h-/h∞鲁棒故障检测算法实现 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7826676B2 (en) * | 2007-03-08 | 2010-11-02 | Mitsubishi Electric Research Laboraties, Inc. | Method for filtering data with arbitrary kernel filters |
-
2012
- 2012-06-19 CN CN201210203097.7A patent/CN102722102B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1965553A (zh) * | 2004-03-12 | 2007-05-16 | 株式会社Ntt都科摩 | 生成误差信号的设备和方法 |
CN102323790A (zh) * | 2011-07-15 | 2012-01-18 | 浙江工业大学 | 两轴数控系统的串级型迭代学习交叉耦合轮廓误差控制方法 |
CN102393867A (zh) * | 2011-10-12 | 2012-03-28 | 天津工业大学 | 纯电动轿车车窗防夹的h-/h∞鲁棒故障检测算法实现 |
CN102393677A (zh) * | 2011-10-27 | 2012-03-28 | 浙江工业大学 | 三轴数控系统的串级型迭代学习交叉耦合轮廓误差控制方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109015661A (zh) * | 2018-09-29 | 2018-12-18 | 重庆固高科技长江研究院有限公司 | 工业机器人迭代学习修正轨迹误差的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102722102A (zh) | 2012-10-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102722102B (zh) | 基于误差分析的h∞反馈与迭代学习协调控制方法 | |
CN101339405B (zh) | 一种数字pid控制方法 | |
CN102779238B (zh) | 一种基于自适应卡尔曼滤波的无刷直流电机系统辨识方法 | |
Azarmi et al. | Analytical design of fractional order PID controllers based on the fractional set-point weighted structure: Case study in twin rotor helicopter | |
CN107942663A (zh) | 基于模糊pid算法的农机自动转向控制方法 | |
CN102495622B (zh) | 位置伺服系统位置环性能测试方法及测试系统 | |
CN104111664A (zh) | 在速度环克服电机死区提高雷达跟踪精度的方法 | |
CN107688554A (zh) | 基于自适应傅里叶分解的频域辨识方法 | |
CN103472730A (zh) | 一种基于谐波减速器扭转刚度迟滞模型的双框架控制力矩陀螺高精度框架速率伺服系统 | |
CN102055434A (zh) | 一种应用于惯性器件中数字滤波器的设计方法 | |
CN106814628A (zh) | 基于分数阶控制器的直线电机点位控制装置及方法 | |
CN103744286A (zh) | 一种火力发电系统的控制器的设计方法和装置 | |
CN110231845A (zh) | 一种导引头稳定平台的控制方法及复合控制系统 | |
CN108120452A (zh) | Mems陀螺仪动态数据的滤波方法 | |
CN103792850A (zh) | 一种雷达伺服系统等效模型的建立方法 | |
Wang et al. | Parameter identification of piezoelectric hysteresis model based on improved artificial bee colony algorithm | |
CN1945468B (zh) | 扫描式pi参数自寻优控制器 | |
CN110716534A (zh) | 一种基于自整定变分模态分解的工业过程振荡检测方法 | |
Yazdi et al. | Automated multiple robust track-following control system design in hard disk drives | |
Kasi et al. | Identification and PID tuning techniques for stable and unstable SOPDT processes | |
CN105607486A (zh) | 一种通用的针对一系列化工积分时滞过程的控制方法 | |
CN107560645A (zh) | 一种光纤布拉格光栅传感器波长解调寻峰方法 | |
CN104320108A (zh) | 基于ahcif的集中式测量值加权融合方法 | |
CN112068423B (zh) | 有限值幂次吸引重复控制器设计方法 | |
CN105740553A (zh) | 一种电动执行机构的测试系统的转矩测试方法 |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20210125 Address after: Room 306, building 2, Fuchun Silicon Valley creative center, 398 Jiulong Avenue, Yinhu street, Fuyang District, Hangzhou, Zhejiang 311400 Patentee after: Hangzhou Liwei Technology Co.,Ltd. Address before: Hangzhou City, Zhejiang province 310014 City Zhaohui District Six Patentee before: ZHEJIANG University OF TECHNOLOGY |
|
TR01 | Transfer of patent right |