CN103702384A - 无线传感器网络面向应用的分簇式路由方法 - Google Patents
无线传感器网络面向应用的分簇式路由方法 Download PDFInfo
- Publication number
- CN103702384A CN103702384A CN201410015552.XA CN201410015552A CN103702384A CN 103702384 A CN103702384 A CN 103702384A CN 201410015552 A CN201410015552 A CN 201410015552A CN 103702384 A CN103702384 A CN 103702384A
- Authority
- CN
- China
- Prior art keywords
- node
- task
- information
- bunch
- wireless sensor
- 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
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基于语义任务分解的无线传感器网络路由方法,包括以下步骤:第一步,SINK将收到的任务信息发送给网络中的所有节点;第二步,网络中的节点对收到的任务信息及相邻节点的能力信息进行语义分析,再将节点自身与任务相关的节点信息发给相邻节点;第三步,节点进行组簇,并推选初始簇头;第四步,初始簇头将本簇能完成的任务能力和服务质量信息发给SINK;第五步,SINK完成任务分解与任务分配,各簇动态优化簇头,完成路由建立。此路由方法通过对任务的语义分析减少信息传输量,使用粒子群算法对网络路由进行优化,与现有无线传感器网络路由方法相比,具有可扩展性好、网络生存期长,任务延时小等优点。
Description
技术领域
本发明属于通信技术领域,具体是一种基于语义任务分解的无线传感器网络路由方法,解决无线传感器网络能量受限的问题,适用于面向应用的无线传感器网络。此方法通过对任务的语义分析减少信息传输量,使用粒子群算法对网络路由进行优化,与现有无线传感器网络路由方法相比,能在完成任务的同时降低网络能量消耗,可用于提高无线传感器网络的扩展性及延长网络的生存期。
背景技术
无线传感器网络是近年来在国内外兴起的新兴技术,以其广泛的应用潜力成为电子、通信、计算机等领域中十分重要的研究课题。大量传感器节点通过人工或飞机布撒等方式,部署在目标区域内部或其附近。这些节点通过自组织方式构成无线网络,相互之间使用无线多跳方式通信,以协作的方式感知、采集和处理网络覆盖区域中特定的信息。由于其在军事、医疗、工业和家居等领域有着广泛的发展前景,随着科技的进步和经济的发展,无线传感器网络将越来越多地应用到社会生活的各个方面,对人类未来的生活方式产生深远影响。
目前,分布式传感器网络多为分簇结构,将传感器节点分成多个簇,每个簇中存在一个簇头节点,负责簇内的管理和数据的融合。分簇结构网络更有利于网络的分布式管理和控制,对于以节点协同合作为初衷的无线传感器网络有其天然的优势,多个节点可在小范围的簇内协商完成局部的传输处理任务,因此,这种结构更适合于以任务的完成为目标的方式,本发明提出的基于语义任务分解的无线传感器网络路由方法适用于分簇结构的网络。
能量是无线传感器节点的宝贵资源,而且一些应用要求无线传感器能够持续工作数月、甚至数年。在大多数情况下,节点依靠电池提供能量,对于大规模部署在物理环境中的无线传感器网络,通过更换电池的方式补充能量是不现实的。因此,为尽可能地延长网络生存期,需要进行高效的无线传感器网络路由设计。有研究表明,传感器节点的绝大部分能量消耗在无线通信模块。传感器节点传输信息时要比感应和执行计算时更消耗能量,因此减少信息传输量是延长传感器节点生存期的有效途径。
为了延长无线传感器网络生存期,不仅要让每个节点经济地消耗能量,还要尽可能地让所有节点平均地消耗能量。在无线传感器网络中,一些节点由于承担了相对多的协作任务(例如,为多个邻居节点提供传输中转)而成为网络中的“热点”。这些“热点”的能量消耗速度相对较快,如果让“热点”持续工作,这些节点会过早地失效。这样虽然网络的整体剩余能量水平仍然较高,但却有可能造成剩余的部分网络不能继续工作,因此需要对网络的路由进行动态调整。
发明内容
本发明的目的在于克服已有无线传感器网络路由方法的不足,设计一种基于语义任务分解的无线传感器网络路由方法,通过对任务进行语义分析,语义任务进行层层分解以减少信息传输量,从而降低节点能耗,在保证完成给定任务的条件下,延长网络生存期,提高无线传感器网络完成任务的性能。
本发明提供的无线传感器网络路由方法,是采用语义学的方法对任务进行分解,采用粒子群算法进行子任务分配。首先,SINK对收到的任务信息经过语义分析,泛洪发给网络中的所有节点;然后,网络中的节点对收到的任务信息及相邻节点的能力信息进行语义分析,将节点自身与任务相关的能力信息发给相邻节点;节点结合自身节点能力与相邻节点的能力信息,使用LEACH协议进行组簇,并推选初始簇头;初始簇头将本簇能完成的任务能力和服务质量信息发给SINK;最后,SINK完成任务分解与任务分配,各簇利用粒子群算法优化并确定簇头,从而完成基于语义任务分解的无线传感器路由。
具体步骤为:
第一步,SINK将收到的任务信息发送给网络中的所有节点;
为使任务信息被SINK及传感器节点正确理解和分析,必须事先构建任务模型本体,任务模型本体可以由RDF等语义描述语言构建。任务模型本体应包括任务类型、任务主体、任务服务质量等。为加快节点理解任务信息的速度,SINK可先对任务信息进行语义分析,在任务信息里填加引导信息后再发送给网络中所有节点,填加的引导信息可以为位置信息、服务质量信息等,将任务信息发送给网络中所有节点的方法是泛洪方法。
第二步,网络中的节点对收到的任务信息及相邻节点的能力信息进行语义分析,再将节点自身与任务相关的能力信息发给相邻节点;
节点的能力信息是指节点自身的传感器信息、节点位置信息、能量信息等。节点收到任务信息并进行语义分析后,与节点自身能力信息相对比,将节点与任务相关的能力信息发给相邻节点。
第三步,节点进行组簇,并推选初始簇头;
在组簇时节点需结合自身节点能力与相邻节点的能力信息,根据LEACH协议进行组簇,并推选簇头,此时的簇头为初始簇头。
第四步,初始簇头将本簇能完成的任务能力和服务质量信息发给SINK;
簇头拥有簇内所有的节点的能力信息,通过和任务信息的语义分析和对比,将本簇可以完成的子任务信息和任务服务质量进行语义处理融合后发给SINK。
第五步,SINK完成任务分解与任务分配,各簇动态优化簇头,完成路由建立。
SINK收到所有簇头发来的簇能力信息,结合任务的服务质量要求进行任务的分解与任务分配。簇头根据接收到的需要执行的子任务信息,结合簇内各节点能力,使用粒子群算法优化簇内任务分配,动态优化簇头。
本发明的优点在于:
(1)通过对任务进行语义分析,任务进行语义分解以减少信息传输量,从而降低节点能量消耗。
(2)使用LEACH协议进行组簇,并推选初始簇头,减小复杂算法的组簇时间,降低任务延时。
(3)使用粒子群算法优化簇间路由及簇头选择,在完成任务前提下对路由进行动态优化,增强网络的适应性。
(4)节点能耗降低结合路由的动态优化,可以延长整个网络的生存器,提高无线传感器网络完成任务的性能。
附图说明
图1是本发明适用于的分簇无线传感器网络结构图;
图2是本发明的无线传感器网络路由方法流程图;
图3是任务模型本体结构图;
图4是节点信息本体结构图;
图5是LEACH算法流程图;
图6是粒子群算法流程图。
具体实施方式
下面将结合附图对本发明作进一步的详细说明。
本发明所述的一种基于语义任务分解的无线传感器网络路由方法,适用于分簇结构的无线传感器网络,如图1所示。分簇结构的无线传感器网络包括传感器节点、簇头节点、汇聚节点等。传感器节点收集的监测数据发给传感器节点所属簇的簇头节点,簇头节点对簇内的节点的数据进行处理和融合后传输到SINK节点,最后通过互联网或者卫星到达管理节点和用户。本发明的流程图如图2所示,具体包括以下步骤:
第一步,SINK将收到的任务信息发送给网络中的所有节点;
为使任务信息被SINK及传感器节点正确理解和分析,必须事先构建任务模型本体,任务模型本体可以由RDF等语义描述语言构建。例如图3所示的一种可以编程实现的任务模型本体,解释如下:
任务模型由三部分组成:任务类型、任务主体和任务服务质量。
目前无线传感器网络应用常见的任务类型有三种:周期性信息采集、事件触发和基于查询。对于大规模的无线传感器网络,其任务类型可能是以上三种类型的组合。例如对于大量布设节点的用于检测是否有火灾发生的无线传感器网络,当监测区域没有火灾发生时,此时网络处于周期性信息采集状态,节点要定时上报“检测正常”信息,以使网络的使用人员知晓此时监测区域正常,并且网络处于正常监测工作状态;当监测区域有火灾发生时,传感器节点的感应值达到或超出预先设置的阈值时,节点必须在第一时间将发生火灾上报到SINK,此时网络处于事件触发状态;而当火灾发生后,网络的使用人员可以通过查询方式随时获取需要的信息,掌握火灾漫延的位置及严重程度,以制订合适的应对方案。
任务主体是任务完成所需要的具体内容,包括需要传感器采集的物理量及相应的时间、空间信息等。任务主体可以被分解成的子任务,传感器节点完成各个子任务后,通过任务组合使整个任务得以完成,任务分解和任务组合互为逆过程,可以用一个函数及其逆函数来表示。例如上述监测火灾的无线传感器网络,任务主体为当温度传感器和烟雾传感器同时超过预先设置的阈值时,认为有火灾发生,仅有温度值升高则不足以判定是否有火灾。
任务的服务质量用于衡量任务完成情况的好坏,包括时延,生存期等。任务的服务质量和任务类型相关,例如上述监测火灾的无线传感器网络,当网络处于周期性信息采集状态时,网络应采用良好休眠机制,以尽可能延长任务的生存期,而不需过多考虑时延;而当网络中检测有火灾发生时,必须在1秒内将火灾信息发回SINK,此时对时延有很高要求。
在实际应用里,SINK可先对任务信息进行语义分析,针对任务要求及网络本身的特性,在任务信息里填加引导信息后再发送给网络中所有节点,以加快节点的处理速度,填加的引导信息可以为位置信息、服务质量信息等。
将任务信息发送给网络中所有节点的方法是泛洪方法。
第二步,网络中的节点对收到的任务信息及相邻节点的能力信息进行语义分析,再将节点自身与任务相关的节点信息发给相邻节点;
节点信息包括节点本身的信息,同时包括任务执行过程中的任务相关信息。例如,一种节点信息本体结构框架如图4所示。节点信息包括:节点ID,节点能量,采集范围,通信范围,处理能力等;在基于语义任务的无线传感器网络中,节点还应为具体的应用任务提供相关信息,可以包括如节点可执行任务信息,节点类型等信息,其中节点类型有采集节点、中继节点、采集+中继节点等。
节点收到任务信息并进行语义分析后,与节点自身能力信息相对比,将节点与任务相关的节点信息发给相邻节点。节点与任务无关的信息刚不予考虑,与任务无关的节点不参与后续的步骤。
第三步,节点进行组簇,并推选初始簇头;
在组簇时节点需结合自身节点能力与相邻节点的能力信息,LEACH协议首先将无线传感器网络中的节点分成若干簇,利用一定的规则推选簇头,此时的簇头为初始簇头。
LEACH协议算法流程如图5所示,在LEACH协议中执行过程按“轮”执行,即每一轮分为两个阶段,启动阶段和稳定阶段。启动阶段和稳定阶段所持续的时间总和称为一轮。
在启动阶段,各节点首先在0-1之间选择一个随机数,若此随机数小于本轮的一个门限值,则该节点成为簇头节点。节点n的门限值计算公式如下:
式中,P为网络期望的簇头节点百分比,r为当前的轮数;G为在最近的1/P轮中没有被选为簇头的节点的集合。
成为簇头的节点采用CSMA协议向周围的节点广播通告其状态。周围节点根据接收到的信号的强度确定加入哪一个簇,并通知相应的簇头节点。然后,各簇头以TDMA方式为其簇内节点传送数据安排时间调度。进入稳定工作阶段。
第四步,初始簇头将本簇能完成的任务能力和服务质量信息发给SINK;
簇头拥有簇内所有的节点的能力信息,通过和任务信息的语义分析和对比,将本簇可以完成的子任务信息和任务服务质量进行语义融合后直接发给SINK。语义融合过程相当于之前所述的任务组合,按照任务模型构造本簇的任务主体函数关系及任务服务质量函数关系。
第五步,SINK完成任务分解与任务分配,各簇动态优化簇头,完成路由建立。
SINK收到所有簇头发来的簇能力信息,结合任务的服务质量要求进行任务的分解与任务分配。簇头根据接收到的需要执行的子任务信息,结合簇内各节点能力,使用粒子群算法优化簇内任务分配,动态优化簇头。
在粒子群算法中,所有的粒子都有一个位置和速度矢量,还有一个适值函数用来计算粒子当前的适应值,粒子在搜索空间中总是追随着最优的解进行搜索。算法是一个反复迭代过程,当找到一个更优的解,则使用更优的解来寻找下一个解。在每一次迭代过程中,粒子对自己的更新依据两个极值进行,即个体最优解pbest和全局最优解gbest。
粒子更新速度和位置的公式如下:
式中,t为迭代次数,V为粒子速度,C1和C2为加速因子,R1和R2为(0,1)间随机数,Pid为个体极值,Pgd为全局极值,X为粒子位置,W为权重系数。
适值函数的设计要考虑节点本身的剩余能量和任务完成的服务质量而定。
f(k)=αEk+βq,α+β=1,α∈[0,1]
Ek是节点本身的剩余能量,q为服务质量,k为当前节点编号。
假设此时服务质量为任务完成的最大生存期,则q=min{任务节点剩余能量/任务节点工作一次消耗的能量}。即尽量使簇内任务完成生存期最长。
根据图6粒子群算法流程图,使用粒子群算法动态优化簇头,首先要随机初始化节点粒子群,计算适应值fi,得到Pid和Pgd。然后更新节点粒子的X和V值,由于无线传感器网络节点为离散状态,需要对X值进行调整,调整的方法就是将X值更新为离计算出的X最近的节点的X值。然后计算每个节点粒子的适应值fi,Pid=fi,Pgd=簇内所有节点粒子的全局最大适应值。重复以上步骤,进行一个迭代循环过程,直到设定的循环次数结束为止。循环完成后,找出适值较大的节点粒子,选择这个节点为簇头,优化完成。
Claims (5)
1.一种无线传感器网络面向应用的分簇式路由方法,其特征在于:
第一步,SINK将收到的任务信息发送给网络中的所有节点;
任务模型本体可以由RDF等语义描述语言构建;将任务信息发送给网络中所有节点的方法是泛洪方法;
第二步,网络中的节点对收到的任务信息及相邻节点的能力信息进行语义分析,再将节点自身与任务相关的能力信息发给相邻节点;
节点的能力信息是指节点自身的传感器信息、节点位置信息、剩余能量信息、距离SINK的跳数等;节点收到任务信息并进行语义分析后,与节点自身能力信息相对比,将节点与任务相关的能力信息发给相邻节点;
第三步,节点进行组簇,并推选初始簇头;
在组簇时节点需结合自身节点能力与相邻节点的能力信息,根据LEACH协议进行组簇,并推选簇头,此时的簇头为初始簇头;
第四步,初始簇头将本簇能完成的任务能力和服务质量信息发给SINK;
簇头拥有簇内所有的节点的能力信息,通过和任务信息的语义分析和对比,将本簇可以完成的子任务信息和任务服务质量进行语义融合后发给SINK;
第五步,SINK完成任务分解与任务分配,各簇动态优化簇头,完成路由建立;
SINK收到所有簇头发来的簇能力信息,结合任务的服务质量要求进行任务的分解与任务分配;簇头根据接收到的需要执行的子任务信息,结合簇内各节点能力,使用粒子群算法优化簇内任务分配,动态优化簇头。
2.根据权利要求1所述的无线传感器网络面向应用的分簇式路由方法,其特征在于:第一步里,为加快节点理解任务信息的速度,SINK可先对任务信息进行语义分析,在任务信息里填加引导信息后再发送给网络中所有节点,填加的引导信息可以为位置信息、服务质量信息等。
3.根据权利要求1所述的无线传感器网络面向应用的分簇式路由方法,其特征在于:第二步里,节点还应为具体的应用任务提供相关信息,可以包括如节点可执行任务信息,节点类型等信息。
4.根据权利要求1所述的无线传感器网络面向应用的分簇式路由方法,其特征在于:第五步里,适值函数设计为:
f(k)=αEk+βq,α+β=1,α∈[0,1]
Ek是节点本身的剩余能量,q为服务质量,k为当前节点编号。
5.根据权利要求4所述的无线传感器网络面向应用的分簇式路由方法,其特征在于:假设此时服务质量为任务完成的最大生存期,则q=min{任务节点剩余能量/任务节点工作一次消耗的能量}。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410015552.XA CN103702384B (zh) | 2014-01-14 | 2014-01-14 | 无线传感器网络面向应用的分簇式路由方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410015552.XA CN103702384B (zh) | 2014-01-14 | 2014-01-14 | 无线传感器网络面向应用的分簇式路由方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103702384A true CN103702384A (zh) | 2014-04-02 |
CN103702384B CN103702384B (zh) | 2017-01-25 |
Family
ID=50363756
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410015552.XA Expired - Fee Related CN103702384B (zh) | 2014-01-14 | 2014-01-14 | 无线传感器网络面向应用的分簇式路由方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103702384B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106131870A (zh) * | 2016-06-15 | 2016-11-16 | 扬州大学 | 面向复杂任务的无线传感器网络自组织调整方法 |
CN106487586A (zh) * | 2016-10-13 | 2017-03-08 | 北京东土科技股份有限公司 | 一种自组织网络拓扑建立方法及装置 |
CN106900007A (zh) * | 2017-01-25 | 2017-06-27 | 扬州大学 | 面向重叠分簇的无线传感器网络的复杂任务分配方法 |
CN110996284A (zh) * | 2019-10-31 | 2020-04-10 | 中国矿业大学 | 面向任务的水下声磁异构网络组网方法 |
EP4250800A4 (en) * | 2020-12-11 | 2024-05-01 | Huawei Technologies Co., Ltd. | COMMUNICATION METHOD, DEVICE AND SYSTEM |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101827388A (zh) * | 2010-03-08 | 2010-09-08 | 南昌航空大学 | 一种事件驱动型无线传感器网络能量监测方法 |
CN102883400B (zh) * | 2012-08-27 | 2014-11-05 | 苏州两江科技有限公司 | 层级型无线传感网基于语义路由进行数据转发的方法 |
CN103458033B (zh) * | 2013-09-04 | 2016-05-11 | 北京邮电大学 | 事件驱动、面向服务的物联网服务提供系统及其工作方法 |
-
2014
- 2014-01-14 CN CN201410015552.XA patent/CN103702384B/zh not_active Expired - Fee Related
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106131870A (zh) * | 2016-06-15 | 2016-11-16 | 扬州大学 | 面向复杂任务的无线传感器网络自组织调整方法 |
CN106487586A (zh) * | 2016-10-13 | 2017-03-08 | 北京东土科技股份有限公司 | 一种自组织网络拓扑建立方法及装置 |
CN106900007A (zh) * | 2017-01-25 | 2017-06-27 | 扬州大学 | 面向重叠分簇的无线传感器网络的复杂任务分配方法 |
CN106900007B (zh) * | 2017-01-25 | 2020-01-03 | 扬州大学 | 面向重叠分簇的无线传感器网络的复杂任务分配方法 |
CN110996284A (zh) * | 2019-10-31 | 2020-04-10 | 中国矿业大学 | 面向任务的水下声磁异构网络组网方法 |
CN110996284B (zh) * | 2019-10-31 | 2022-04-08 | 中国矿业大学 | 面向任务的水下声磁异构网络组网方法 |
EP4250800A4 (en) * | 2020-12-11 | 2024-05-01 | Huawei Technologies Co., Ltd. | COMMUNICATION METHOD, DEVICE AND SYSTEM |
Also Published As
Publication number | Publication date |
---|---|
CN103702384B (zh) | 2017-01-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Du et al. | Joint resources and workflow scheduling in UAV-enabled wirelessly-powered MEC for IoT systems | |
Nguyen et al. | WRSNs: Toward an efficient scheduling for mobile chargers | |
Razaque et al. | Energy-efficient boarder node medium access control protocol for wireless sensor networks | |
Ren et al. | Data collection maximization in renewable sensor networks via time-slot scheduling | |
Misra et al. | Policy controlled self-configuration in unattended wireless sensor networks | |
Siew et al. | Cluster heads distribution of wireless sensor networks via adaptive particle swarm optimization | |
CN103702384A (zh) | 无线传感器网络面向应用的分簇式路由方法 | |
Gajjar et al. | FUCP: Fuzzy based unequal clustering protocol for wireless sensor networks | |
Idrees et al. | Energy-saving distributed monitoring-based firefly algorithm in wireless sensors networks | |
Elbhiri et al. | Stochastic and Equitable Distributed Energy-Efficient Clustering (SEDEEC) for heterogeneous wireless sensor networks | |
Tillapart et al. | An approach to hybrid clustering and routing in wireless sensor networks | |
Zhang et al. | An improved routing protocol for raw data collection in multihop wireless sensor networks | |
Lee et al. | An extended hierarchical clustering approach to energy-harvesting mobile wireless sensor networks | |
Gu et al. | A Bayesian compressive data gathering scheme in wireless sensor networks with one mobile sink | |
Chen et al. | Collaborative mobile charging policy for perpetual operation in large-scale wireless rechargeable sensor networks | |
Rana et al. | Metaheuristic routing: a taxonomy and energy-efficient framework for internet of things | |
Abasikeleş‐Turgut | DiCDU: Distributed clustering with decreased uncovered nodes for WSNs | |
Shanmugapriya et al. | Cluster Head Selection and Multipath Routing Based Energy Efficient Wireless Sensor Network. | |
Goyal | An optimal scheme for minimizing energy consumption in WSN | |
Abbas et al. | Optimization of Energy Consumption in Wireless Sensor Networks based on Nature-Inspired Algorithms | |
Alkadhmawee et al. | Unequal clustering algorithm with IDA* multi-hop routing to prevent hot spot problem in WSNs | |
Liu et al. | Modeling and performance optimization of wireless sensor network based on Markov chain | |
Devasena et al. | A study of power and energy efficient clustering protocols in wireless sensor networks | |
Omodunbi et al. | A review of energy conservation in wireless sensors networks | |
Li et al. | A LEACH-head expected frequency appraisal algorithm for water-environment monitoring networks |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170125 Termination date: 20220114 |