CN103226023A - 一种电子测试系统工作状态的实时监测方法及设备 - Google Patents
一种电子测试系统工作状态的实时监测方法及设备 Download PDFInfo
- Publication number
- CN103226023A CN103226023A CN2013100042211A CN201310004221A CN103226023A CN 103226023 A CN103226023 A CN 103226023A CN 2013100042211 A CN2013100042211 A CN 2013100042211A CN 201310004221 A CN201310004221 A CN 201310004221A CN 103226023 A CN103226023 A CN 103226023A
- Authority
- CN
- China
- Prior art keywords
- data
- equipment
- test
- epsiv
- test data
- 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
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Alarm Systems (AREA)
Abstract
本发明涉及电子测试设备实时监测的技术领域,公开一种电子测试系统工作状态的实时监测方法及设备,所述实时监测方法采用的实时监测设备,包括:测试数据接口设备、数据存储及处理装置、报警模块,所述测试数据接口设备通过数据传输电缆与数据存储及处理装置输入端相连,数据存储及处理装置输出端通过数据传输电缆与报警模块相连;本发明能够最大限度地实时反映电子测试设备的工作状态;能够根据测试数据直接并实时监测出设备的温度、振动等参数的异常数据,从而达到实时监测设备工作状态的异常。具有所需样本数量少,判别简单快速,在设备工作状态的监测中具备很强的自适应性、灵活性、可靠性和实时性。
Description
技术领域
本发明涉及电子测试设备实时监测的技术领域,尤其涉及一种电子测试系统工作状态的实时监测方法及设备。
背景技术
目前电子测试设备一般需要通过定期的质量检测认证,经过一段使用时间后,设备的工作状态往往会发生改变,从而使得测试数据会包含较大的系统误差,降低测试数据的可信度,可怕的是测试设备已经处于这种状况了,我们却不能把握它的真实工作状态,特别是自研的电子测试系统更是如此。
另外,对于电子测试设备工作状态的实时监测,目前是通过监测设备的温度、振动等参数进行的。但是在很多情况下,电子测试设备工作状态发生较小的改变时,这种改变会使得测试数据包含一定的系统误差,但不会引起温度、振动等参数的变化。所以本专利提出一种新思路,直接利用电子测试设备的测试数据来监测设备的工作状态。
发明内容
为克服现有技术的不足,本发明提供一种电子测试系统工作状态的实时监测方法及设备。能够直接利用电子测试设备的测试数据,监测设备的工作状态。
为实现上述发明目的,本发明采用如下技术方案:
一种电子测试系统工作状态的实时监测设备,包括:测试数据接口设备、数据存储及处理装置、报警模块,所述测试数据接口设备通过数据传输电缆与数据存储及处理装置输入端相连,数据存储及处理装置输出端通过数据传输电缆与报警模块相连;
其中,测试数据接口设备设置有录入电子测试设备的测试数据端口;
其中,数据存储及处理装置具有对测试数据进行存储的堆栈式存储器,并对存储后的测试数据进行处理的处理器,处理器用于处理堆栈式存储器存储的数据,处理的测试数据结果与门限值进行比较得到判断信息,判断信息通过数据传输电缆传入报警模块。
一种电子测试系统工作状态的实时监测设备,所述报警模块由显示屏和扬声器组成,报警方式由显示屏报警,或扬声器报警,或显示屏和扬声器同时报警,实现电子测试设备工作状态的视频或音频报警。
一种电子测试系统工作状态的实时监测方法,采用实时监测设备对电子测试系统进行实时监测,其步骤如下:
1)、将测试数据接口设备的测试数据端口与录入电子测试设备相连;
2)、录入电子测试设备的测试数据通过测试数据接口设备经数据传输电缆传输至数据存储及处理装置;
3)、数据存储及处理装置中的数据存储器采用基于堆栈式存储器,具有不断补充新的测试数据,去掉最远离的测试数据,数据列{x1,x2,x3.…,xn-1,xn}就是一个新陈代谢的数据列,其中n一般取值为10、12或14;
4)、基于数据列{x1,x2,x3.…,xn-1,xn}建立电子测试设备工作状态判别模型,具体步骤为:
(1)当n为偶数,先可将T1时刻的测试数据列{x1,x2,…,xn}进行升序和降序排列,得到一组数据列X1={xrise1,xrise2,…,xrisen}和X2={xfall1,xfall2,…,xfalln};
(2)将一组数据列X1={xrise1,xrise2,…,xrisen}和X2={xfall1,xfall2,…,xfalln}统一写成形式X(0)={x(0)(1),x(0)(2),…,x(0)(n)};
(3)数据列X(0)的建模算法:
设数据列X(0)={x(0)(1),x(0)(2),…,x(0)(n)},X(0)的1阶累加生成数据列为X(1)={x(1)(1),x(1)(2),…,x(1)(n)},其中 k=1,2,…,n;又令X(1)的紧邻 均值生成序列为Z(1)={z(1)(2),z(1)(3),…,z(1)(n)},其中, 则称
x(0)(k)+az(1)(k)=b (1)为GM(1,1)模型的基本形式;
式(1)中待估计参数a为GM(1,1)模型的发展系数,待估计参数b为GM(1,1)模型的灰作用量;
则基于最小二乘法得到估计参数列为:
则有GM(1,1)模型x(0)(k)+az(1)(k)=b的时间响应序列为:
还原值为:
其残差数据列
于是有平均偏差:
与平均残差平方和:
(4)对电子测试设备的工作状态判别:
基于X(0)的建模算法,对数据列X1={xrise1,xrise2,…,xrisen}和x2={xfall1,xfalla,…,xfalln}分别进行GM(1,1)建模,分别求得两个模拟数据列和并求得其估计值 平均偏差与平均残差平方和(∑1、∑2);
得判别模型的判别式:
式中x(n+1)为T2时刻所测数据;若上述(8)和(9)二式不能同时成立,则判别电子测试系统工作状态异常,该异常状态触发报警显示屏或扬声器报警。
由于采用如上所述的技术方案,本发明具有如下优越性:
该发明一种电子测试系统工作状态的实时监测方法及设备,能够最大限度地实时反映电子测试设备的工作状态;无需采用设置判别门限达到测试数据不同精度要求;能够根据测试数据直接并实时监测出设备的温度、振动等参数的异常数据,不断地进行新陈代谢,还可以避免随着测试数据的增加,建模运算量不断增大的困难。从而达到实时监测设备工作状态的异常。该方法的算法简单快速,所需样本数量少,在设备工作状态的监测中具备很强的自适应性、灵活性、可靠性和实时性。
附图说明
图1为电子测试系统工作状态实时监测设备的方框电路图(组成示意图);
图2为实时监测设备测试数据基于堆栈式管理的工作原理方框图;
具体实施方式
下面结合附图及实施例对本发明作进一步详细说明。
一种电子测试系统工作状态的实时监测设备,包括:测试数据接口设备、数据存储及处理装置、报警模块,所述测试数据接口设备通过数据传输电缆与数据存储及处理装置输入端相连,数据存储及处理装置输出端通过数据传输电缆与报警模块相连;
其中,测试数据接口设备设置有录入电子测试设备的测试数据端口;数据存储及处理装置具有对测试数据进行存储的堆栈式存储器,并对存储后的测试数据进行处理的处理器,处理器用于处理堆栈式存储器存储的数据,处理的测试数据结果与门限值进行比较得到判断信息,判断信息通过数据传输电缆传入报警模块。
所述报警模块由显示屏和扬声器组成,报警方式由显示屏报警,或扬声器报警,或显示屏和扬声器同时报警,实现电子测试设备工作状态的视频或音频报警。
图1中模块“测试数据接口设备”用来为本发明设备录入电子测试设备的测试数据,通过数据传输电缆传入“数据存储及处理装置”模块;“数据存储及处理装置”模块用来对本发明设备所需数据进行存储,并对存储后的数据进行处理,处理结果与门限值进行比较得到判断信息,判断信息通过数据传输电缆传入“显示屏”、“扬声器”、“显示屏和扬声器”的报警模块;报警模块用来实现电子测试设备工作状态的视频或音频报警。
图2为本发明“数据存储及处理装置”模块中的数据存储工作原理,采用基于新陈代谢堆栈式管理,不断补充新的测试数据,去掉最远离的测试数据,T1时刻测试数据为x(1),x(2),…x(n)(n一般取值为10、12或14),形成数据列{x1,x2,…,xn},T2时刻将剔除x(1),增加T2时刻所测数据x(n+1),数据存储数据位x(2),x(2),…x(n+1),形成新的数据列{x2,x3,…,xn+1},{x2,x3,…,xn+1}就是一个新陈代谢的数据列,基于新陈代谢数据列{x1,x2,…,xn}和{x2,x3,…,xn+1} 建立电子测试设备工作状态判别模型,能最大限度地实时反映电子测试设备的工作状态。不断地进行新陈代谢,还可以避免随着测试数据的增加,建模运算量不断增大的困难。
一种电子测试系统工作状态的实时监测方法,采用实时监测设备对电子测试系统进行实时监测,其步骤如下:
1)、将测试数据接口设备的测试数据端口与录入电子测试设备相连;
2)、录入电子测试设备的测试数据通过测试数据接口设备经数据传输电缆传输至数据存储及处理装置;
3)、数据存储及处理装置中的数据存储器采用基于新陈代谢堆栈式存储器,具有不断补充新的测试数据,去掉最远离的测试数据,数据列{x1,x2,x3.…,xn-1,xn}就是一个新陈代谢的数据列,其中n一般取值为10、12或14;
4)、基于新陈代谢数据列{x1,x2,x3.…,xn-1,xn}建立电子测试设备工作状态判别模型;其具体步骤为:
(1)当n为偶数,先可将T1时刻的测试数据列{x1,x2,…,xn}进行升序和降序排列,得到一组数据列X1={xrise1,xrise2,…,xrisen}和X2={xfall1,xfall2,…,xfalln};
(2)将一组数据列X1={xrise1,xrise2,…,xrisen}和X2={xfall1,xfall2,…,xfalln}统一写成形式X(0)={x(0)(1),x(0)(2),…,x(0)(n)};
(3)数据列X(0)的建模算法:
设数据列X(0)={x(0)(1),x(0)(2),…,x(0)(n)},X(0)的1阶累加生成数据列为X(1)={x(1)(1),x(1)(2),…,x(1)(n)},其中 k=1,2,…,n;又令X(1)的紧邻均值生成序列为Z(1)={z(1)(2),z(1)(3),…,z(1)(n)},其中, 则称
x(0)(k)+az(1)(k)=b (1)为GM(1,1)模型的基本形式;
式(1)中待估计参数a为GM(1,1)模型的发展系数,待估计参数b为GM(1,1)模型的灰作用量;
则基于最小二乘法得到估计参数列为:
则有GM(1,1)模型x(0)(k)+az(1)(k)=b的时间响应序列为:
还原值为:
其残差数据列
于是有平均偏差:
与平均残差平方和:
(4)对电子测试设备的工作状态判别:
基于X(0)的建模算法,对数据列X1={xrise1,xrise2,…,xrisen}和X2={xfall1,xfall2,…,xfalln}分别进行GM(1,1)建模,分别求得两个模拟数据列和并求得其估计值 平均偏差与平均残差平方和(∑1、∑2);
得下面判别模型的判别式
式中x(n+1)为T2时刻所测数据;若上述(8)和(9)二式不能同时成立,则判别电子测试系统工作状态异常,该异常状态触发报警显示屏或扬声器报警。
假设n取值为10;
当T1时刻所测的数据为0.75,0.82,0.86,0.89,0.87,0.88,0.85,0.88,0.83,0.84,
根据算法,X1={0.75,0.82,0.83,0.84,0.85,0.86,0.87,0.88,0.88,0.89}和X2={0.89,0.88,0.88,0.87,0.86,0.85,0.84,0.83,0.82,0.75}。
假设当T2时刻x(n+1)值,
满足判别式8、9
(0.7783-0.0158<x(n+1)<0.9027+0.00310.7783-0.0212<x(n+1)<0.9027+0.0035),
即x(n+1)在[0.7625,0.9058]区间内时,则判别电子测试系统工作状态正常触,不触发报警显示屏或扬声器。
Claims (3)
1.一种电子测试系统工作状态的实时监测设备,其特征在于:包括:测试数据接口设备、数据存储及处理装置、报警模块,所述测试数据接口设备通过数据传输电缆与数据存储及处理装置输入端相连,数据存储及处理装置输出端通过数据传输电缆与报警模块相连;
其中,测试数据接口设备设置有录入电子测试设备的测试数据端口;
其中,数据存储及处理装置具有对测试数据进行存储的堆栈式存储器,并对存储后的测试数据进行处理的处理器,处理器用于处理堆栈式存储器存储的数据,处理的测试数据结果与门限值进行比较得到判断信息,判断信息通过数据传输电缆传入报警模块。
2.根据权利要求1所述的一种电子测试系统工作状态的实时监测设备,其特征在于:所述报警模块由显示屏和扬声器组成,报警方式由显示屏报警,或扬声器报警,或显示屏和扬声器同时报警,实现电子测试设备工作状态的视频或音频报警。
3.一种电子测试系统工作状态的实时监测方法,其特征在于:采用实时监测设备对电子测试系统进行实时监测,其步骤如下:
1)、将测试数据接口设备的测试数据端口与录入电子测试设备相连;
2)、录入电子测试设备的测试数据通过测试数据接口设备经数据传输电缆传输至数据存储及处理装置;
3)、数据存储及处理装置中的数据存储器采用基于堆栈式存储器,具有不断补充新的测试数据,去掉最远离的测试数据,数据列{x1,x2,x3.…,xn-1,xn}就是一个新陈代谢的数据列,其中n一般取值为10、12或14;
4)、基于数据列{x1,x2,x3.…,xn-1,xn}建立电子测试设备工作状态判别模型,具体步骤为:
(1)当n为偶数,先可将T1时刻的测试数据列{x1,x2,…,xn}进行升序和降序排列,得到一组数据列X1={xrise1,xrise2,…,xrisen}和X2={xfall1,xfall2,…,xfalln};
(2)将一组数据列X1={xrise1,xrise2,…,xrisen}和X2={xfall1,xfall2,…,xfalln}统一写成形式X(0)={x(0)(1),x(0)(2),…,x(0)(n)};
(3)数据列X(0)的建模算法:
设数据列X(0)={x(0)(1),x(0)(2),…,x(0)(n)},X(0)的1阶累加生成数据列为X(1)={x(1)(1),x(1)(2),…,x(1)(n)},其中 k=1,2,…,n;又令X(1)的紧邻均值生成序列为Z(1)={z(1)(2),z(1)(3),…,z(1)(n)},其中,
x(0)(k)+az(1)(k)=b (1)为GM(1,1)模型的基本形式;
式(1)中待估计参数a为GM(1,1)模型的发展系数,待估计参数b为GM(1,1)模型的灰作用量;
则基于最小二乘法得到估计参数列为:
则有GM(1,1)模型x(0)(k)+az(1)(k)=b的时间响应序列为:
还原值为:
其残差数据列
于是有平均偏差:
与平均残差平方和:
(4)对电子测试设备的工作状态判别:
基于X(0)的建模算法,对数据列X1={xrise1,xrise2,…,xrisen}和X2={xfall1,xfall2,…,xfalln}分别进行GM(1,1)建模,分别求得两个模拟数据列和并求得其估计值 平均偏差与平均残差平方和(∑1、∑2);
得判别模型的判别式:
式中x(n+1)为T2时刻所测数据;若上述(8)和(9)二式不能同时成立,则判别电子测试系统工作状态异常,该异常状态触发报警显示屏或扬声器报警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310004221.1A CN103226023B (zh) | 2013-01-07 | 2013-01-07 | 一种电子测试系统工作状态的实时监测方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310004221.1A CN103226023B (zh) | 2013-01-07 | 2013-01-07 | 一种电子测试系统工作状态的实时监测方法及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103226023A true CN103226023A (zh) | 2013-07-31 |
CN103226023B CN103226023B (zh) | 2015-11-25 |
Family
ID=48836557
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310004221.1A Expired - Fee Related CN103226023B (zh) | 2013-01-07 | 2013-01-07 | 一种电子测试系统工作状态的实时监测方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103226023B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105808928A (zh) * | 2016-03-02 | 2016-07-27 | 中国人民解放军装备学院 | 装备系统效能的矩阵序列灰关联评估方法 |
CN105808944A (zh) * | 2016-03-02 | 2016-07-27 | 中国人民解放军装备学院 | 装备效能评估数据的异型矩阵序列显示方法 |
CN108919157A (zh) * | 2018-07-10 | 2018-11-30 | 中国人民解放军战略支援部队航天工程大学 | 一种电子测试系统工况的实时告警方法及设备 |
CN110381417A (zh) * | 2019-07-05 | 2019-10-25 | 安徽威斯贝尔智能科技有限公司 | 一种防故障影院音频处理器及其使用方法 |
WO2022052231A1 (zh) * | 2020-09-13 | 2022-03-17 | 南京宏泰半导体科技有限公司 | 一种高效测试系统实时状态检测装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1533948A (zh) * | 2003-03-28 | 2004-10-06 | 王⒅ | 对飞机故障的预测报警方法及飞机故障预测报警系统 |
CN1588305A (zh) * | 2004-08-19 | 2005-03-02 | 西安交通大学 | 开关设备在线状态监测专用芯片的设计方法 |
CN201167331Y (zh) * | 2008-02-04 | 2008-12-17 | 中国人民解放军63880部队 | 一种用于双向数据传输实时监测的接口盒 |
CN101470426A (zh) * | 2007-12-27 | 2009-07-01 | 北京北方微电子基地设备工艺研究中心有限责任公司 | 一种故障检测的方法和系统 |
CN201540601U (zh) * | 2009-09-29 | 2010-08-04 | 中国人民解放军济南军区军械雷达修理所 | 工作状态记录系统 |
CN102053611A (zh) * | 2010-12-29 | 2011-05-11 | 启明信息技术股份有限公司 | 试验设备无人管理方法及系统 |
CN102594925A (zh) * | 2012-03-30 | 2012-07-18 | 苏州筑邦测控科技有限公司 | 综合测试系统 |
CN102619684A (zh) * | 2011-01-31 | 2012-08-01 | 华锐风电科技(集团)股份有限公司 | 故障诊断方法及系统 |
-
2013
- 2013-01-07 CN CN201310004221.1A patent/CN103226023B/zh not_active Expired - Fee Related
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1533948A (zh) * | 2003-03-28 | 2004-10-06 | 王⒅ | 对飞机故障的预测报警方法及飞机故障预测报警系统 |
CN1588305A (zh) * | 2004-08-19 | 2005-03-02 | 西安交通大学 | 开关设备在线状态监测专用芯片的设计方法 |
CN101470426A (zh) * | 2007-12-27 | 2009-07-01 | 北京北方微电子基地设备工艺研究中心有限责任公司 | 一种故障检测的方法和系统 |
CN201167331Y (zh) * | 2008-02-04 | 2008-12-17 | 中国人民解放军63880部队 | 一种用于双向数据传输实时监测的接口盒 |
CN201540601U (zh) * | 2009-09-29 | 2010-08-04 | 中国人民解放军济南军区军械雷达修理所 | 工作状态记录系统 |
CN102053611A (zh) * | 2010-12-29 | 2011-05-11 | 启明信息技术股份有限公司 | 试验设备无人管理方法及系统 |
CN102619684A (zh) * | 2011-01-31 | 2012-08-01 | 华锐风电科技(集团)股份有限公司 | 故障诊断方法及系统 |
CN102594925A (zh) * | 2012-03-30 | 2012-07-18 | 苏州筑邦测控科技有限公司 | 综合测试系统 |
Non-Patent Citations (2)
Title |
---|
柯宏发 等: "一种新的基于GM(1,1)模型的粗大误差判别模型", 《系统工程与电子技术》, vol. 30, no. 10, 31 October 2008 (2008-10-31) * |
柯宏发 等: "无人机飞行轨迹的实时显示预测算法", 《PROCEEDINGS OF THE 29TH CHINESE CONTROL CONFERENCE》, 31 July 2010 (2010-07-31) * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105808928A (zh) * | 2016-03-02 | 2016-07-27 | 中国人民解放军装备学院 | 装备系统效能的矩阵序列灰关联评估方法 |
CN105808944A (zh) * | 2016-03-02 | 2016-07-27 | 中国人民解放军装备学院 | 装备效能评估数据的异型矩阵序列显示方法 |
CN105808944B (zh) * | 2016-03-02 | 2019-01-18 | 中国人民解放军装备学院 | 装备效能评估数据的异型矩阵序列显示方法 |
CN105808928B (zh) * | 2016-03-02 | 2019-01-18 | 中国人民解放军装备学院 | 装备系统效能的矩阵序列灰关联评估方法 |
CN108919157A (zh) * | 2018-07-10 | 2018-11-30 | 中国人民解放军战略支援部队航天工程大学 | 一种电子测试系统工况的实时告警方法及设备 |
CN110381417A (zh) * | 2019-07-05 | 2019-10-25 | 安徽威斯贝尔智能科技有限公司 | 一种防故障影院音频处理器及其使用方法 |
WO2022052231A1 (zh) * | 2020-09-13 | 2022-03-17 | 南京宏泰半导体科技有限公司 | 一种高效测试系统实时状态检测装置 |
Also Published As
Publication number | Publication date |
---|---|
CN103226023B (zh) | 2015-11-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111241154B (zh) | 一种基于大数据的蓄电池故障预警方法及系统 | |
CN110413488B (zh) | 服务器使用率预警方法及装置 | |
US10204147B2 (en) | System for capture, analysis and storage of time series data from sensors with heterogeneous report interval profiles | |
CN103226023A (zh) | 一种电子测试系统工作状态的实时监测方法及设备 | |
US10101244B2 (en) | Self-learning simulation environments | |
US11621900B2 (en) | Selective measurement reporting from internet of things devices | |
CN106708692B (zh) | 建立过滤报警模型的方法和装置以及过滤报警的方法、装置和电子设备 | |
CN109831478A (zh) | 基于规则及模型的分布式实时处理智能决策系统及方法 | |
CN112149329B (zh) | 核电厂关键设备的状态预演方法、系统、设备及存储介质 | |
CN105550100A (zh) | 一种信息系统故障自动恢复的方法及系统 | |
US10860405B1 (en) | System operational analytics | |
CN106940677A (zh) | 一种应用日志数据告警方法及装置 | |
CN104022902A (zh) | 一种监控服务器集群的方法和系统 | |
CN110333995A (zh) | 对工业设备运行状态进行监测的方法及装置 | |
US20200349647A1 (en) | System and method for crowd-sourced refinement of natural phenomenon for risk management and contract validation | |
CN111666187B (zh) | 用于检测异常响应时间的方法和装置 | |
CN112350878A (zh) | 一种压力测试系统 | |
EP3440569A1 (en) | System for fully integrated capture, and analysis of business information resulting in predictive decision making and simulation | |
CN106528649A (zh) | 一种新能源汽车的海量数据存储检索系统和方法 | |
CN108449313A (zh) | 电子装置、互联网服务系统风险预警方法及存储介质 | |
US10733514B1 (en) | Methods and apparatus for multi-site time series data analysis | |
US20160259869A1 (en) | Self-learning simulation environments | |
CN114911615A (zh) | 微服务运行时智能预测调度的方法及应用 | |
US20190087904A1 (en) | Remote processing of anomalous vehicle sensor data | |
CN114235108A (zh) | 基于数据分析燃气流量计异常状态检测方法和装置 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20151125 Termination date: 20170107 |
|
CF01 | Termination of patent right due to non-payment of annual fee |