CN103192292A - 基于加工工件曲面形貌信息的数控机床误差辨识分离方法 - Google Patents
基于加工工件曲面形貌信息的数控机床误差辨识分离方法 Download PDFInfo
- Publication number
- CN103192292A CN103192292A CN2013101260976A CN201310126097A CN103192292A CN 103192292 A CN103192292 A CN 103192292A CN 2013101260976 A CN2013101260976 A CN 2013101260976A CN 201310126097 A CN201310126097 A CN 201310126097A CN 103192292 A CN103192292 A CN 103192292A
- Authority
- CN
- China
- Prior art keywords
- cutter
- error
- workpiece
- control machine
- machine tool
- 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.)
- Granted
Links
Abstract
本发明提供了一种基于加工工件曲面形貌信息的数控机床误差辨识分离方法,该方法将工件曲面形貌反求、形貌分离、刀位点反求计算技术应用于数控机床的误差分离方法中,不仅实现了数控机床的误差分离,还为数控机床误差补偿方面的研究人员进行误差补偿模型优化和补偿实效性的深入研究提供了有效的分析手段和应用模型。该方法结合机床加工状态监测、工件理论数模、理论刀轨路径信息,进行误差采集数据的预处理,以自相关函数和偏相关函数及其截尾性判定识别拟合模型的类型,对模型进行精确定阶,能够高效、准确地完成对数控机床误差的分离,并且获得的数学模型公式能够精确地推断和预测机床误差的变化情况,使机床的误差补偿工作更为可靠和有效。
Description
技术领域
本发明属于数控机床误差分离领域,具体涉及一种基于加工工件曲面形貌信息的机床误差辨识分离方法。
背景技术
目前,国产数控机床迈入高端领域的“瓶颈”问题主要是加工精度和可靠性难以达到国外同类产品的水准,而这涉及到多方面的问题:一、高端数控机床本身各种装配部件的加工精度由于缺乏更精密的机床作为工作母机而难以保证;二、机床硬件结构在考虑误差补偿方面的设计以及制造途径上考虑误差因素的加工还没有达到国外机床生产厂商的同等水平;三、国产的数控系统还不具备机床误差分离技术,相关的研究还处于实验室阶段,未能在实际生产中进行实施。
通常数控机床引起工件加工误差的误差源主要有四部分,一是几何误差,二是热误差,三是切削力误差,这三部分主要引起工件面形误差;第四部分是动态误差,与机床的加工速度及加速度等动力学因素有关,主要引起工件粗糙度误差。在实际加工中,数控系统需要将这些预设的误差项纳入过程计算进行补偿。然而,对于由机床各种误差并未分离出来,通常的误差补偿方法是无法进行预估,也就不能在机床加工过程中实时地对误差做出相应的补偿。因此,研发适合多类型、多规格、多品种的数控机床误差实时分离方法对我国数控机床产业的发展是非常必要和有益的。
发明内容
为了克服上述现有技术存在的缺点,提供了一种基于加工工件曲面形貌信息的数控机床误差辨识分离方法,使得误差分离的准确性大大增加。
为了解决上述问题,本发明采用以下技术方案:基于加工工件曲面形貌信息的数控机床误差辨识分离方法,用来将数控机床加工工件过程中的加工误差分离出来,该方法的具体步骤为:
第一步:取一件加工好的工件,对工件表面进行几何数据的测量与预处理;
第二步:根据工件的表面特征及不同成分误差选择适当的小波函数;
第三步:设置不同误差信号的分解阈值;
第四步:对数据进行分解,根据不同成分误差所属频域不同,确定小波分解层数,并针对不同的层数提取不同尺度的信号;
第五步:分别对各种频率的信号进行重构,从而获得同频率段误差表面,并获得相应空间点的点云数据;
第六步:从点云数据所覆盖的X坐标范围当中,任选一x0为对象,可得经过(x0,0,0)的平行于YOZ的平面,若该平面与理论曲面相交,则交线为理论曲线s,令h=f(a,s),并在一个刀具步长l内取n个扫描点,则可得到h1,h2,……,hn,根据扫描点的分布情况和扫描点中两个拐点hi和hj的大小来确定刀触点;
其中,a为横断面中任一扫描点,h为a与s间法向距离;
第七步:计算理论刀具倾角;
第八步:取任一刀触点a的n个与其紧密相邻的扫描点(at,t=1,2,……,n),由于平底立铣刀与工件的切削面为刀底圆面的一部分,必定存在以刀具半径R为半径的经过刀触点及临近两个扫描点的圆面S,因而存在以R为半径的拟合刀底圆面Sai(i=1,2,……,na)拟合a与at,同理,刀触点b也可找到拟合刀底圆面Sbj(j=1,2,……,nb);
第九步:设h(a,b)为a与b间的距离,Na和Nb为a与b的刀轴矢量,当limh(a,b)→0时,有Na//Nb,因而得到平行圆面Wk={Sai,Sai//Sbj,k=1,2,……,m};
第十步:对比平行圆面Wk、曲面法矢N和理论刀具倾角β,确定实际刀底圆面;
第十一步:确定刀轴矢量与刀位点;
第十二步:通过第x个工件的刀具位姿曲面与理论刀具位姿曲面对比,确定面形误差值;
第十三步:确定机床热误差值;
第十四步:根据前面求的刀位点、刀触点信息,计算刀具当前切削面积,再结合工件材料特性,计算获得机床切削力的大小,通过对切削力大小的分析计算获得机床的切削力误差值;
第十五步:利用面形误差值减去热误差值和切削力误差值,得出机床几何误差值;
第十六步:根据形貌分离出的粗糙度误差值,计算出动态误差值;
第十七步:根据模型定阶结果,将得到的误差值参数代入预选的模型系统,进行数据整合,得到基于加工工件曲面形貌信息的数控机床误差分离数学模型。
进一步的,在第二步中小波函数的选择方法为:根据自相似性、正交性和紧支性等性质,在数十种常用的小波函数中选择适合的函数,并确定支撑长度,通过对比分析确定最佳小波函数。
进一步的,在第六步中,根据扫描点的分布情况和扫描点中两个拐点hi和hj的大小来确定刀触点的判断标准包括以下三种情形:
情形I:扫描点均分布在理论曲线内侧,hi和hj在周边区域内分别为极大值和极小值,此时点i为刀触点;
情形II:扫描点分布在理论曲线内侧和外侧,hi和hj在周边区域内均为极大值,点i在曲线内侧,点j在曲线外侧,此时i为刀触点;
情形III:扫描点均分布在理论曲线外侧,hi和hj在周边区域内分别为极小值和极大值,此时点i为刀触点。
进一步的,在第七步中,理论刀具倾角的计算公式为:
其中,k为曲面曲率,w为干涉情况,u1,u2,…,un为影响刀具倾角的相关因素,如工件材料的强度和硬度、刀具材料、刀具装夹系统等。
进一步的,在第十三步中,确定热误差方法为以下方法中的一种:
1)通过对同一批次加工工件的刀具位姿曲面对比,由于每个工件加工时,已经监测其加工时对应的温度信息,通过对比,可以过滤掉几何误差和切削力误差,从而计算出机床热误差值;
2)根据温度监测信息,通过分析计算也可以得到机床热误差值。
本发明的有益效果是:本发明将工件曲面形貌反求、形貌分离、刀位点反求计算技术应用于数控机床的误差分离方法中,不仅实现了数控机床的误差分离,同时还为数控机床误差补偿方面的研究人员进行误差补偿模型优化和补偿实效性的深入研究提供了有效的分析手段和应用模型。该方法结合机床加工状态监测、工件理论数模、理论刀轨路径信息,进行误差采集数据的预处理,以自相关函数和偏相关函数及其截尾性判定识别拟合模型的类型,对模型进行精确定阶,能够高效、准确地完成对数控机床误差的分离,并且获得的数学模型公式能够精确地推断和预测机床误差的变化情况,使机床的误差补偿工作更为可靠和有效。
附图说明
下面结合附图和实施例对本发明做进一步的说明:
图1为本发明所述方法的步骤示意图。
具体实施方式
基于加工工件曲面形貌信息的数控机床误差辨识分离方法,用来将数控机床加工工件过程中的加工误差分离出来,该方法的具体步骤为:
第一步:取一件加工好的工件,对工件表面进行几何数据的测量与预处理。
第二步:根据自相似性、正交性和紧支性等性质,在数十种常用的小波函数中选择适合的函数,并确定支撑长度,通过对比分析确定最佳小波函数。
第三步:设置不同误差信号的分解阈值。
第四步:对数据进行分解,根据不同成分误差所属频域不同,确定小波分解层数,并针对不同的层数提取不同尺度的信号。
第五步:分别对各种频率的信号进行重构,从而获得同频率段误差表面,并获得相应空间点的点云数据。
第六步:从点云数据所覆盖的X坐标范围当中,任选一x0为对象,可得经过(x0,0,0)的平行于YOZ的平面,若该平面与理论曲面相交,则交线为理论曲线s,令h=f(a,s),并在一个刀具步长l内取n个扫描点,则可得到h1,h2,……,hn,根据扫描点的分布情况和扫描点中两个拐点hi和hj的大小来确定刀触点,其判断标准为:
情形I:扫描点均分布在理论曲线内侧,hi和hj在周边区域内分别为极大值和极小值,此时点i为刀触点;
情形II:扫描点分布在理论曲线内侧和外侧,hi和hj在周边区域内均为极大值,点i在曲线内侧,点j在曲线外侧,此时i为刀触点;
情形III:扫描点均分布在理论曲线外侧,hi和hj在周边区域内分别为极小值和极大值,此时点i为刀触点。
其中,a为横断面中任一扫描点,h为a与s间法向距离。
第七步:计算理论刀具倾角,理论刀具倾角的计算公式为:
其中,k为曲面曲率,w为干涉情况,u1,u2,…,un为影响刀具倾角的相关因素,如工件材料的强度和硬度、刀具材料、刀具装夹系统等。
第八步:取任一刀触点a的n个与其紧密相邻的扫描点(at,t=1,2,……,n),由于平底立铣刀与工件的切削面为刀底圆面的一部分,必定存在以刀具半径R为半径的经过刀触点及临近两个扫描点的圆面S,因而存在以R为半径的拟合刀底圆面Sai(i=1,2,……,na)拟合a与at,同理,刀触点b也可找到拟合刀底圆面Sbj(j=1,2,……,nb)。
第九步:设h(a,b)为a与b间的距离,Na和Nb为a与b的刀轴矢量,当limh(a,b)→0时,有Na//Nb,因而得到平行圆面Wk={Sai,Sai//Sbj,k=1,2,……,m}。
第十步:对比平行圆面Wk、曲面法矢N和理论刀具倾角β,确定实际刀底圆面。
第十一步:确定刀轴矢量与刀位点。
第十二步:通过第x个工件的刀具位姿曲面与理论刀具位姿曲面对比,确定面形误差值。
第十三步:通过对同一批次加工工件的刀具位姿曲面对比,由于每个工件加工时,已经监测其加工时对应的温度信息,通过对比,可以过滤掉几何误差和切削力误差,从而计算出机床热误差值;除此之外,还可以根据温度监测信息,通过分析计算也可以得到机床热误差值。
第十四步:根据前面求的刀位点、刀触点信息,计算刀具当前切削面积,再结合工件材料特性,计算获得机床切削力的大小,通过对切削力大小的分析计算获得机床的切削力误差值。
第十五步:利用面形误差值减去热误差值和切削力误差值,得出机床几何误差值。
第十六步:根据形貌分离出的粗糙度误差值,计算出动态误差值。
第十七步:根据模型定阶结果,将得到的误差值参数代入预选的模型系统,进行数据整合,得到基于加工工件曲面形貌信息的数控机床误差分离数学模型。
以上所述只是本发明的优选实施方式,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也被视为本发明的保护范围。
Claims (5)
1.基于加工工件曲面形貌信息的数控机床误差辨识分离方法,用来将数控机床加工工件过程中的加工误差分离出来,该方法的具体步骤为:
第一步:取一件加工好的工件,对工件表面进行几何数据的测量与预处理;
第二步:根据工件的表面特征及不同成分误差选择适当的小波函数;
第三步:设置不同误差信号的分解阈值;
第四步:对数据进行分解,根据不同成分误差所属频域不同,确定小波分解层数,并针对不同的层数提取不同尺度的信号;
第五步:分别对各种频率的信号进行重构,从而获得同频率段误差表面,并获得相应空间点的点云数据;
第六步:从点云数据所覆盖的X坐标范围当中,任选一x0为对象,可得经过(x0,0,0)的平行于YOZ的平面,若该平面与理论曲面相交,则交线为理论曲线s,令h=f(a,s),并在一个刀具步长l内取n个扫描点,则可得到h1,h2,……,hn,根据扫描点的分布情况和扫描点中两个拐点hi和hj的大小来确定刀触点;
其中,a为横断面中任一扫描点,h为a与s间法向距离;
第七步:计算理论刀具倾角;
第八步:取任一刀触点a的n个与其紧密相邻的扫描点(at,t=1,2,……,n),由于平底立铣刀与工件的切削面为刀底圆面的一部分,必定存在以刀具半径R为半径的经过刀触点及临近两个扫描点的圆面S,因而存在以R为半径的拟合刀底圆面Sai(i=1,2,……,na)拟合a与at,同理,刀触点b也可找到拟合刀底圆面Sbj(j=1,2,……,nb);
第九步:设h(a,b)为a与b间的距离,Na和Nb为a与b的刀轴矢量,当limh(a,b)→0时,有Na//Nb,因而得到平行圆面Wk={Sai,Sai//Sbj,k=1,2,……,m};
第十步:对比平行圆面Wk、曲面法矢N和理论刀具倾角β,确定实际刀底圆面;
第十一步:确定刀轴矢量与刀位点;
第十二步:通过第x个工件的刀具位姿曲面与理论刀具位姿曲面对比,确定面形误差值;
第十三步:确定机床热误差值;
第十四步:根据前面求的刀位点、刀触点信息,计算刀具当前切削面积,再结合工件材料特性,计算获得机床切削力的大小,通过对切削力大小的分析计算获得机床的切削力误差值;
第十五步:利用面形误差值减去热误差值和切削力误差值,得出机床几何误差值;
第十六步:根据形貌分离出的粗糙度误差值,计算出动态误差值;
第十七步:根据模型定阶结果,将得到的误差值参数代入预选的模型系统,进行数据整合,得到基于加工工件曲面形貌信息的数控机床误差分离数学模型。
2.根据权利要求1所述的基于加工工件曲面形貌信息的数控机床误差辨识分离方法,其特征在于,在第二步中小波函数的选择方法为:根据自相似性、正交性和紧支性等性质,在数十种常用的小波函数中选择适合的函数,并确定支撑长度,通过对比分析确定最佳小波函数。
3.根据权利要求1所述的基于加工工件曲面形貌信息的数控机床误差辨识分离方法,其特征在于,在第六步中,根据扫描点的分布情况和扫描点中两个拐点hi和hj的大小来确定刀触点的判断标准包括以下三种情形:
情形I:扫描点均分布在理论曲线内侧,hi和hj在周边区域内分别为极大值和极小值,此时点i为刀触点;
情形II:扫描点分布在理论曲线内侧和外侧,hi和hj在周边区域内均为极大值,点i在曲线内侧,点j在曲线外侧,此时i为刀触点;
情形III:扫描点均分布在理论曲线外侧,hi和hj在周边区域内分别为极小值和极大值,此时点i为刀触点。
5.根据权利要求1所述的基于加工工件曲面形貌信息的数控机床误差辨识分离方法,其特征在于,在第十三步中,确定热误差方法为以下方法中的一种:
1)通过对同一批次加工工件的刀具位姿曲面对比,由于每个工件加工时,已经监测其加工时对应的温度信息,通过对比,可以过滤掉几何误差和切削力误差,从而计算出机床热误差值;
2)根据温度监测信息,通过分析计算也可以得到机床热误差值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310126097.6A CN103192292B (zh) | 2013-04-11 | 2013-04-11 | 基于加工工件曲面形貌信息的数控机床误差辨识分离方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310126097.6A CN103192292B (zh) | 2013-04-11 | 2013-04-11 | 基于加工工件曲面形貌信息的数控机床误差辨识分离方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103192292A true CN103192292A (zh) | 2013-07-10 |
CN103192292B CN103192292B (zh) | 2015-04-22 |
Family
ID=48715203
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310126097.6A Active CN103192292B (zh) | 2013-04-11 | 2013-04-11 | 基于加工工件曲面形貌信息的数控机床误差辨识分离方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103192292B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105549537A (zh) * | 2015-12-23 | 2016-05-04 | 上海电机学院 | 基于实物扫描的装配体参数化及自动化数控加工方法 |
CN105823432A (zh) * | 2016-04-26 | 2016-08-03 | 北京理工大学 | 非连续加工表面系统误差和随机误差分离方法 |
CN106020114A (zh) * | 2016-05-20 | 2016-10-12 | 浙江大学 | 一种数控机床综合误差可视化方法 |
CN106227151A (zh) * | 2016-07-14 | 2016-12-14 | 广东工业大学 | 应用于数控机床的数据处理方法、装置和数控机床 |
CN108803487A (zh) * | 2018-08-17 | 2018-11-13 | 西南交通大学 | 一种零件侧铣表面的点位轮廓误差预测方法 |
CN109324570A (zh) * | 2018-10-16 | 2019-02-12 | 南京艾提瑞精密机械有限公司 | 一种基于加工形貌预构的机床设计优化方法 |
CN110262399A (zh) * | 2019-05-17 | 2019-09-20 | 淮阴工学院 | 一种螺旋锥齿轮齿面侧刃铣的加工方法 |
CN110270883A (zh) * | 2019-05-24 | 2019-09-24 | 宁波大学 | 基于试件特征分解的三轴数控机床几何误差与热误差逆向辨识方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2000014474A1 (en) * | 1998-09-08 | 2000-03-16 | Brown & Sharpe Manufacturing Company | Coordinate measuring machine having a machine tool frame |
CN101968641A (zh) * | 2010-07-08 | 2011-02-09 | 西华大学 | 一种机床xy平面误差修正系统 |
CN101992407A (zh) * | 2009-08-11 | 2011-03-30 | 大隈株式会社 | 设备的误差辨识方法和误差辨识程序 |
CN102001021A (zh) * | 2010-10-22 | 2011-04-06 | 西南交通大学 | 五轴联动数控机床回转摆动轴几何误差参数值的测量方法 |
CN102001024A (zh) * | 2010-11-03 | 2011-04-06 | 天津大学 | 基于加工机床的自由曲面原位测量测量方法 |
-
2013
- 2013-04-11 CN CN201310126097.6A patent/CN103192292B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2000014474A1 (en) * | 1998-09-08 | 2000-03-16 | Brown & Sharpe Manufacturing Company | Coordinate measuring machine having a machine tool frame |
CN101992407A (zh) * | 2009-08-11 | 2011-03-30 | 大隈株式会社 | 设备的误差辨识方法和误差辨识程序 |
CN101968641A (zh) * | 2010-07-08 | 2011-02-09 | 西华大学 | 一种机床xy平面误差修正系统 |
CN102001021A (zh) * | 2010-10-22 | 2011-04-06 | 西南交通大学 | 五轴联动数控机床回转摆动轴几何误差参数值的测量方法 |
CN102001024A (zh) * | 2010-11-03 | 2011-04-06 | 天津大学 | 基于加工机床的自由曲面原位测量测量方法 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105549537A (zh) * | 2015-12-23 | 2016-05-04 | 上海电机学院 | 基于实物扫描的装配体参数化及自动化数控加工方法 |
CN105549537B (zh) * | 2015-12-23 | 2019-07-23 | 上海电机学院 | 基于实物扫描的装配体参数化及自动化数控加工方法 |
CN105823432A (zh) * | 2016-04-26 | 2016-08-03 | 北京理工大学 | 非连续加工表面系统误差和随机误差分离方法 |
CN105823432B (zh) * | 2016-04-26 | 2018-06-19 | 北京理工大学 | 非连续加工表面系统误差和随机误差分离方法 |
CN106020114A (zh) * | 2016-05-20 | 2016-10-12 | 浙江大学 | 一种数控机床综合误差可视化方法 |
CN106020114B (zh) * | 2016-05-20 | 2018-09-28 | 浙江大学 | 一种数控机床综合误差可视化方法 |
CN106227151A (zh) * | 2016-07-14 | 2016-12-14 | 广东工业大学 | 应用于数控机床的数据处理方法、装置和数控机床 |
CN108803487A (zh) * | 2018-08-17 | 2018-11-13 | 西南交通大学 | 一种零件侧铣表面的点位轮廓误差预测方法 |
CN109324570A (zh) * | 2018-10-16 | 2019-02-12 | 南京艾提瑞精密机械有限公司 | 一种基于加工形貌预构的机床设计优化方法 |
CN109324570B (zh) * | 2018-10-16 | 2021-04-20 | 南京艾提瑞精密机械有限公司 | 一种基于加工形貌预构的机床设计优化方法 |
CN110262399A (zh) * | 2019-05-17 | 2019-09-20 | 淮阴工学院 | 一种螺旋锥齿轮齿面侧刃铣的加工方法 |
CN110270883A (zh) * | 2019-05-24 | 2019-09-24 | 宁波大学 | 基于试件特征分解的三轴数控机床几何误差与热误差逆向辨识方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103192292B (zh) | 2015-04-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103192292A (zh) | 基于加工工件曲面形貌信息的数控机床误差辨识分离方法 | |
Liu et al. | A sensor fusion and support vector machine based approach for recognition of complex machining conditions | |
CN108620949B (zh) | 刀具磨耗监测与预测方法 | |
TWI481978B (zh) | 工具機之加工品質的預測方法 | |
CN102854841B (zh) | 一种曲面零件的形位误差原位补偿加工方法 | |
CN108052747B (zh) | 一种基于价值分析法的机床几何精度优化方法 | |
CN104932421B (zh) | 一种基于指令域分析的数控机床工作过程cps建模方法 | |
CN105242637A (zh) | 一种航空薄壁叶片补偿加工方法 | |
CN104657526B (zh) | 工具机的加工品质的预测方法 | |
CN113218330B (zh) | 基于pcl库的大型薄壁构件测量及数据处理方法 | |
CN111975453B (zh) | 一种数值仿真驱动的加工过程刀具状态监测方法 | |
CN111580469B (zh) | 一种基于大数据数控机床精度指标数据特征的挖掘方法 | |
CN116224930B (zh) | 一种数控磨床产品的加工控制方法及系统 | |
CN104102173A (zh) | 数控装置 | |
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 | |
CN110889091A (zh) | 基于温度敏感区间分段的机床热误差预测方法与系统 | |
CN110716500A (zh) | 用于确定温度敏感区间分段建模点的方法与系统 | |
CN109445377A (zh) | 一种面向多工序加工系统的加工尺寸偏差控制方法 | |
CN116184928A (zh) | 一种考虑刀具磨损的机床空间几何误差模型建模方法 | |
CN112475410A (zh) | 一种铣削温度与多元影响因子的关联分析系统及方法 | |
KR20200106455A (ko) | 관리 장치 및 관리 시스템 | |
Postlethwaite et al. | Dynamic calibration of CNC machine tools | |
Kaufmann et al. | AI-based framework for deep learning applications in grinding | |
CN109571137A (zh) | 一种提高薄壁零件加工精度的补偿方法 | |
CN109446721B (zh) | 基于标识符软件线程执行顺序排列的机床工艺交互算法 |
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 |