CN104121907A - 一种基于平方根容积卡尔曼滤波器的飞行器姿态估计方法 - Google Patents
一种基于平方根容积卡尔曼滤波器的飞行器姿态估计方法 Download PDFInfo
- Publication number
- CN104121907A CN104121907A CN201410369663.0A CN201410369663A CN104121907A CN 104121907 A CN104121907 A CN 104121907A CN 201410369663 A CN201410369663 A CN 201410369663A CN 104121907 A CN104121907 A CN 104121907A
- Authority
- CN
- China
- Prior art keywords
- square root
- attitude
- calculating
- delta
- iteration
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
Abstract
本发明涉及一种基于平方根容积卡尔曼滤波器的飞行器姿态估计方法。本发明包括在计算时间更新时,设置初始值及罗德里格斯参数;计算容积点值;计算四元数误差点;计算四元数容积点;计算迭代四元数及迭代四元数误差;计算迭代容积点;估计一步预测状态;估计平方根因子预测误差协方差阵;计算测量更新中的容积点;计算迭代容积点值;计算预测测量估计;计算平方根因子新息协方差矩阵估计;计算互协方差阵;卡尔曼增益;状态更新估计;计算估计误差协方差阵及相应的平方根因子;四元数更新;计算相应的估计误差欧拉角。本发明能够提高对飞行器姿态的精确性与稳定性。
Description
技术领域
本发明属于非线性系统的飞行器姿态估计问题,特别涉及一种基于平方根容积卡尔曼滤波器的飞行器姿态估计方法。
背景技术
非线性滤波是信号处理、目标跟踪和控制领域方面的热门话题之一,特别是,在卡尔曼滤波框架下的非线性滤波研究仍是一个很火的问题,在近年来受到越来越多的关注和研究。
众所周知,姿态估计的本质是典型的非线性滤波问题。传统的非线性滤波器不能直接用来处理大多情况下的飞行器姿态确定。这是因为可用的姿态估计器需要非线性滤波器能够很好地结合实际的姿态估计背景。那就是,姿态估计原则必须要整合到非线性滤波器的设计过程中。传统的非线性滤波方法包括扩展卡尔曼滤波器(EKF)和无迹卡尔曼滤波器(UKF)。EKF是现在在非线性系统中应用最为广泛的方法。通过近似状态分布为高斯随机变量,然后对其进行一阶泰勒展开来近似非线性函数。但不幸的是,这种线性化方法只能得到低的估计精度,甚至会造成估计器的不稳定性。同时,EKF需要计算雅克比矩阵,且计算量会很大。为了克服EKF的线性化,无迹卡尔曼滤波器(UKF)是一个处理非线性滤波时更为实用的方法。因为UKF能够直接使用非线性系统的模型从而取代使用EKF时的线性化,同时也避免了对雅克比矩阵的计算。UKF是通过非线性无迹变换(UT)和最小采样即sigma点。这种策略使得UKF能够明显改善EKF的性能,尽管UKF已经有很多的应用,但它还是有很多缺点,尤其是在高维情况下。同时UKF计算过程中对于协方差矩阵并不能总是保证是正定的。因此,UKF的使用仍然受到限制。
发明内容
本发明针对现有技术的不足,提供了一种基于平方根容积卡尔曼滤波器的飞行器姿态估计方法。
本发明的方法具体是:
1).设置初始值参数,假设飞行器姿态带有平方根因子估计误差协方差S0|0和飞行器姿态状态估计
2).设置姿态迭代其中k表示时间。
3).计算第i次容积点参量其中表示i个数,i=1,2,...,m,Sk-1|k-1表示k-1时刻飞行器姿态带有平方根因子估计误差协方差阵,ξi表示列向量序列,表示k-1时刻飞行器姿态状态估计。
4).计算飞行器姿态参数误差点 其中代表三个欧拉角,即飞行器姿态方位角,表示角度的余弦值。
5).将计算得到的飞行器姿态参数误差点带入第i次四元数容积点 其中,为飞行器姿态参数估计。
6).迭代四元数预测估计及迭代四元数预测误差 Ω为飞行器角度函数。
7).迭代容积点其中,f为标量因子,a∈[0,1]。
8).计算一步状态预测估计带有平方根因子的预测误差协方差 为状态估计的均方差,为的平方根因子。
9).将带有平方根因子的预测误差协方差及飞行器姿态k-1时刻的状态预测估计值带入测量更新容积点方程
10).测量更新中的迭代容积点Zi,k|k-1=h[Xi,k|k-1,k]。
11).计算测量预测估计平方根因子新息协方差阵Szz,k|k-1=Tria([Zk|k-1 SR,k])、互协方差阵卡尔曼增益其中,SR,k表示为测量噪声方差Rk的平方根因子。
12).从上面计算中得到状态更新估计平方根因子Sk|k、估计误差协方差阵Pk|k=[Xk|k-1-KkZk|k-1 KkSR,k][Xk|k-1-KkZk|k-1 KkSR,k]T。
13).计算更新四元数估计四元数估计误差
14).判断是k否小于迭代次数N,如果k小于N,则跳转到步骤2,k:=k+1,否则,执行步骤15。
15).计算中得到三个欧拉角度(飞行器的滚动角,俯仰角和偏航角)的一致估计误差值
16).输出结果飞行器姿态方位角实现对飞行器姿态的估计。
本发明的有益效果:使用平方根容积卡尔曼滤波器的飞行器姿态估计方法,不仅提高了飞行器姿态估计的精确度和稳定性,而且使用(正交三角形)QR分解,避免在求解平方根操作中,出现误差协方差阵的对称性和正定性性质的破坏。
附图说明
图1为本发明方法流程图。
具体实施方式
下面首先给出姿态运动学模型的回顾,其次给出带有陀螺偏置的陀螺仪模型,再次给出广义罗格里格斯参数描述,再次对测量方程的建立,最后平方根容积卡尔曼滤波器的飞行器姿态估计的滤波公式,下面详细介绍本发明的实施过程。
1.姿态运动学模型
给出四元数表达式:
其中,
q4=cos(θ/2) (3)
为对应于旋转轴的单位矢量和θ是旋转角度。从公式(2)和(3)中,我们可以得出结论四元数满足标准化约束
四元数相关的姿态矩阵为:
A(q)=ΞT(q)ψ(q) (4)
其中,
其中,[q13×]是差乘矩阵,它定义为:
四元数的逆定义为:
这里,
因为四元数满足标准化约束,因此四元数的逆也可以表示为:
四元数的直乘定义为:
四元数姿态运动学方程表示为:
这里,ω是飞行器的角速率,且有
式(12)的离散时间描述为:
qk+1=Ω(ωk)qk (14)
其中,
这里,Δt是陀螺仪的采样周期。
为了对比,介绍修正的罗德里格斯参数姿态运动学方程:
其中,修正的罗德里格斯参数p=[px pv pz]T可以定义为:
这里,a∈[0,1]并且f是以标量因子。
比较式(14)和式(18),我们可以看出式(18)的表达式更为复杂。而式(14)比较简单且容易计算并更新。
2.陀螺仪模型
陀螺仪模型描述
其中,是陀螺仪的测量角度速率,ω是陀螺仪真实的角度速率,ηv是零均值高斯白噪声
其中,δ(t-τ)是狄利克雷脉冲函数。
另外,陀螺仪偏置β模型可以表示为
β=ηu (22)
其中,为均值为零的高斯白噪声
3.广义罗德里格斯参数
广义罗德里格斯参数定义为:
其中, 是误差四元数,有a的参数范围为0到1。f是标量因子。如果a=0和f=1称为吉布斯矢量。但当a=1和f=1时,变成了标准修正罗德里格斯参数。在这里,选取a=1和f=2(a+1)。
GRP的逆传递函数的误差四元数定义为:
δq13=f-1(a+δq4)δp (26)
4.测量方程
传感器的测量方程为:
bk=A(qk)rk+vk (27)
其中,bk和rk是传感器在tk时刻的单位矢量分别代表主体框架和惯性框架。
A(qk)是姿态矩阵,vk是均值为零的高斯白噪声且满足
测量方程为
从式(27)和式(28),可以得出
其中,Rk是式(28)中的测量噪声协方差
5.飞行器平方根容积卡尔曼滤波器的姿态估计,参见图1
状态矢量为:
5.1时间更新
1)设置迭代姿态为零矢量
2)容积点值其中m=2nx,nx为状态矢量的维数。
其中[1]i为第ith行的点设置为[1]。
且有
3)计算相关的误差四元数
4)计算四元数容积点
其中,
5)计算迭代四元数的估计值
其中,
6)计算迭代误差四元数估计值
7)计算迭代容积点
8)状态预测估计
9)预测估计误差协方差的平方根因子
其中,的平方根因子为即
有
5.2测量更新
1)计算容积点
2)计算迭代容积点估计值
3)测量预测估计
4)信息协方差阵的平方根因子估计
Szz,k|k-1=Tria([Zk|k-1 SR,k]) (51)
其中,SR,k为测量噪声协方差Rk的平方根,且
5)互协方差矩阵
其中,
6)计算卡尔曼增益
7)状态更新估计值
其中,
8)估计误差协方差阵
Pk|k=[Xk|k-1-KkZk|k-1 KkSR,k][Xk|k-1-KkZk|k-1 KkSR,k]T (58)
9)四元数更新
其中, 且有
10)计算误差欧拉角相关估计
其中,θ和ψ分别表示为横滚角和偏航角,且有
本发明提出的新型平方根容积卡尔曼滤波(SCKF),使用径向规则和球面积分规则来最优化容积点和权重。同时SCKF能够有效地应用在高维的非线性滤波中,具有计算代价低,精确性和稳定性也一定程度上进行了提高。
Claims (1)
1.一种基于平方根容积卡尔曼滤波器的飞行器姿态估计方法,其特征在于该方法包括以下步骤:
1).设置初始值参数,假设飞行器姿态带有平方根因子估计误差协方差S0|0和飞行器姿态状态估计
2).设置姿态迭代其中k表示时间;
3).计算第i次容积点参量其中表示i个数,i=1,2,...,m,Sk-1|k-1表示k-1时刻飞行器姿态带有平方根因子估计误差协方差阵,ξi表示列向量序列,表示k-1时刻飞行器姿态状态估计;
4).计算飞行器姿态参数误差点 其中代表三个欧拉角,即飞行器姿态方位角,表示角度的余弦值;
5).将计算得到的飞行器姿态参数误差点带入第i次四元数容积点 其中,为飞行器姿态参数估计;
6).迭代四元数预测估计及迭代四元数预测误差 Ω为飞行器角度函数;
7).迭代容积点其中,f为标量因子,a∈[0,1];
8).计算一步状态预测估计带有平方根因子的预测误差协方差为状态估计的均方差,为的平方根因子;
9).将带有平方根因子的预测误差协方差及飞行器姿态k-1时刻的状态预测估计值带入测量更新容积点方程
10).测量更新中的迭代容积点Zi,k|k-1=h[Xi,k|k-1,k];
11).计算测量预测估计平方根因子新息协方差阵Szz,k|k-1=Tria([Zk|k-1 SR,k])、互协方差阵卡尔曼增益其中,SR,k表示为测量噪声方差Rk的平方根因子;
12).从上面计算中得到状态更新估计平方根因子Sk|k、估计误差协方差阵Pk|k=[Xk|k-1-KkZk|k-1 KkSR,k][Xk|k-1-KkZk|k-1 KkSR,k]T;
13).计算更新四元数估计四元数估计误差
14).判断是k否小于迭代次数N,如果k小于N,则跳转到步骤2,k:=k+1,否则,执行步骤15;
15).计算中得到三个欧拉角度(飞行器的滚动角,俯仰角和偏航角)的一致估计误差值
16).输出结果飞行器姿态方位角实现对飞行器姿态的估计。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410369663.0A CN104121907B (zh) | 2014-07-30 | 2014-07-30 | 一种基于平方根容积卡尔曼滤波器的飞行器姿态估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410369663.0A CN104121907B (zh) | 2014-07-30 | 2014-07-30 | 一种基于平方根容积卡尔曼滤波器的飞行器姿态估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104121907A true CN104121907A (zh) | 2014-10-29 |
CN104121907B CN104121907B (zh) | 2017-02-08 |
Family
ID=51767419
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410369663.0A Expired - Fee Related CN104121907B (zh) | 2014-07-30 | 2014-07-30 | 一种基于平方根容积卡尔曼滤波器的飞行器姿态估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104121907B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104462439A (zh) * | 2014-12-15 | 2015-03-25 | 北京国双科技有限公司 | 事件的识别方法和装置 |
CN104463214A (zh) * | 2014-12-11 | 2015-03-25 | 衢州学院 | 基于drvb-asckf的svr参数优化方法 |
CN104504286A (zh) * | 2015-01-06 | 2015-04-08 | 西北工业大学 | 一种平方根单形容积卡尔曼滤波方法 |
CN104833981A (zh) * | 2015-05-11 | 2015-08-12 | 西北工业大学 | 基于距离参数化混合坐标系下srckf的纯方位目标跟踪方法 |
CN104833949A (zh) * | 2015-05-11 | 2015-08-12 | 西北工业大学 | 一种基于改进距离参数化的多无人机协同无源定位方法 |
CN105973238A (zh) * | 2016-05-09 | 2016-09-28 | 郑州轻工业学院 | 一种基于范数约束容积卡尔曼滤波的飞行器姿态估计方法 |
CN106595669A (zh) * | 2016-12-27 | 2017-04-26 | 南京理工大学 | 一种旋转体姿态解算方法 |
CN106871905A (zh) * | 2017-03-02 | 2017-06-20 | 哈尔滨工业大学 | 一种非理想条件下高斯滤波替代框架组合导航方法 |
CN106885570A (zh) * | 2017-02-24 | 2017-06-23 | 南京理工大学 | 一种基于鲁棒sckf滤波的紧组合导航方法 |
WO2018192004A1 (zh) * | 2017-04-21 | 2018-10-25 | 上海交通大学 | 一种基于函数迭代积分的刚体姿态解算方法 |
CN109151759A (zh) * | 2018-10-09 | 2019-01-04 | 中国人民解放军海军航空大学 | 传感器网络分布式信息加权一致性状态滤波方法 |
CN110490273A (zh) * | 2019-09-12 | 2019-11-22 | 河南牧业经济学院 | 噪声方差不精确建模的多传感器系统融合滤波算法 |
CN112415412A (zh) * | 2019-08-23 | 2021-02-26 | 比亚迪股份有限公司 | 估算电池soc值的方法和装置及车辆、存储介质 |
CN115902667A (zh) * | 2023-02-15 | 2023-04-04 | 广东电网有限责任公司东莞供电局 | 基于权重和容积点自适应的锂电池soc估计方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6298288B1 (en) * | 1998-12-16 | 2001-10-02 | Hughes Electronics Corp. | Autonomous gyro scale factor and misalignment calibration |
JP2007271500A (ja) * | 2006-03-31 | 2007-10-18 | Japan Aerospace Exploration Agency | 位置・姿勢推定装置 |
EP2105380A1 (fr) * | 2008-03-27 | 2009-09-30 | Centre National d'Etudes Spatiales | Méthode d'estimation d'attitude d'un senseur stellaire |
JP2011227017A (ja) * | 2010-04-23 | 2011-11-10 | Univ Of Tokyo | 慣性センサ,磁気センサおよび速度計を用いた移動体の姿勢推定装置および姿勢推定方法 |
CN103294897A (zh) * | 2013-05-09 | 2013-09-11 | 哈尔滨工程大学 | 一种用于船舶动力定位位置参考系统的自适应滤波方法 |
CN103557864A (zh) * | 2013-10-31 | 2014-02-05 | 哈尔滨工程大学 | Mems捷联惯导自适应sckf滤波的初始对准方法 |
CN103697910A (zh) * | 2013-12-14 | 2014-04-02 | 浙江大学 | 自主水下航行器多普勒计程仪安装误差的校正方法 |
-
2014
- 2014-07-30 CN CN201410369663.0A patent/CN104121907B/zh not_active Expired - Fee Related
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6298288B1 (en) * | 1998-12-16 | 2001-10-02 | Hughes Electronics Corp. | Autonomous gyro scale factor and misalignment calibration |
JP2007271500A (ja) * | 2006-03-31 | 2007-10-18 | Japan Aerospace Exploration Agency | 位置・姿勢推定装置 |
EP2105380A1 (fr) * | 2008-03-27 | 2009-09-30 | Centre National d'Etudes Spatiales | Méthode d'estimation d'attitude d'un senseur stellaire |
JP2011227017A (ja) * | 2010-04-23 | 2011-11-10 | Univ Of Tokyo | 慣性センサ,磁気センサおよび速度計を用いた移動体の姿勢推定装置および姿勢推定方法 |
CN103294897A (zh) * | 2013-05-09 | 2013-09-11 | 哈尔滨工程大学 | 一种用于船舶动力定位位置参考系统的自适应滤波方法 |
CN103557864A (zh) * | 2013-10-31 | 2014-02-05 | 哈尔滨工程大学 | Mems捷联惯导自适应sckf滤波的初始对准方法 |
CN103697910A (zh) * | 2013-12-14 | 2014-04-02 | 浙江大学 | 自主水下航行器多普勒计程仪安装误差的校正方法 |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104463214A (zh) * | 2014-12-11 | 2015-03-25 | 衢州学院 | 基于drvb-asckf的svr参数优化方法 |
CN104462439B (zh) * | 2014-12-15 | 2017-12-19 | 北京国双科技有限公司 | 事件的识别方法和装置 |
CN104462439A (zh) * | 2014-12-15 | 2015-03-25 | 北京国双科技有限公司 | 事件的识别方法和装置 |
CN104504286A (zh) * | 2015-01-06 | 2015-04-08 | 西北工业大学 | 一种平方根单形容积卡尔曼滤波方法 |
CN104833981A (zh) * | 2015-05-11 | 2015-08-12 | 西北工业大学 | 基于距离参数化混合坐标系下srckf的纯方位目标跟踪方法 |
CN104833949A (zh) * | 2015-05-11 | 2015-08-12 | 西北工业大学 | 一种基于改进距离参数化的多无人机协同无源定位方法 |
CN105973238A (zh) * | 2016-05-09 | 2016-09-28 | 郑州轻工业学院 | 一种基于范数约束容积卡尔曼滤波的飞行器姿态估计方法 |
CN106595669A (zh) * | 2016-12-27 | 2017-04-26 | 南京理工大学 | 一种旋转体姿态解算方法 |
CN106595669B (zh) * | 2016-12-27 | 2023-04-11 | 南京理工大学 | 一种旋转体姿态解算方法 |
CN106885570A (zh) * | 2017-02-24 | 2017-06-23 | 南京理工大学 | 一种基于鲁棒sckf滤波的紧组合导航方法 |
CN106871905B (zh) * | 2017-03-02 | 2020-02-11 | 哈尔滨工业大学 | 一种非理想条件下高斯滤波替代框架组合导航方法 |
CN106871905A (zh) * | 2017-03-02 | 2017-06-20 | 哈尔滨工业大学 | 一种非理想条件下高斯滤波替代框架组合导航方法 |
WO2018192004A1 (zh) * | 2017-04-21 | 2018-10-25 | 上海交通大学 | 一种基于函数迭代积分的刚体姿态解算方法 |
CN109151759A (zh) * | 2018-10-09 | 2019-01-04 | 中国人民解放军海军航空大学 | 传感器网络分布式信息加权一致性状态滤波方法 |
CN109151759B (zh) * | 2018-10-09 | 2021-06-29 | 中国人民解放军海军航空大学 | 传感器网络分布式信息加权一致性状态滤波方法 |
CN112415412A (zh) * | 2019-08-23 | 2021-02-26 | 比亚迪股份有限公司 | 估算电池soc值的方法和装置及车辆、存储介质 |
CN110490273A (zh) * | 2019-09-12 | 2019-11-22 | 河南牧业经济学院 | 噪声方差不精确建模的多传感器系统融合滤波算法 |
CN115902667A (zh) * | 2023-02-15 | 2023-04-04 | 广东电网有限责任公司东莞供电局 | 基于权重和容积点自适应的锂电池soc估计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104121907B (zh) | 2017-02-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104121907A (zh) | 一种基于平方根容积卡尔曼滤波器的飞行器姿态估计方法 | |
CN100559125C (zh) | 一种基于Euler-q算法和DD2滤波的航天器姿态确定方法 | |
CN106291645A (zh) | 适于高维gnss/ins深耦合的容积卡尔曼滤波方法 | |
CN102435763B (zh) | 一种基于星敏感器的航天器姿态角速度测量方法 | |
CN103822633A (zh) | 一种基于二阶量测更新的低成本姿态估计方法 | |
CN103900574A (zh) | 一种基于迭代容积卡尔曼滤波姿态估计方法 | |
CN103344260B (zh) | 基于rbckf的捷联惯导系统大方位失准角初始对准方法 | |
CN103033186A (zh) | 一种用于水下滑翔器的高精度组合导航定位方法 | |
CN105222780B (zh) | 一种基于Stirling插值多项式逼近的椭球集员滤波方法 | |
CN103940433B (zh) | 一种基于改进的自适应平方根ukf算法的卫星姿态确定方法 | |
CN104075715A (zh) | 一种结合地形和环境特征的水下导航定位方法 | |
CN104655131A (zh) | 基于istssrckf的惯性导航初始对准方法 | |
CN103776449B (zh) | 一种提高鲁棒性的动基座初始对准方法 | |
CN105066996A (zh) | 自适应矩阵卡尔曼滤波姿态估计方法 | |
CN102980580A (zh) | 基于张量积多胞鲁棒h2滤波的无陀螺卫星姿态确定方法 | |
CN103218482A (zh) | 一种动力学系统中不确定参数的估计方法 | |
CN104408265B (zh) | 车辆行驶状态和轮胎魔术公式参数联合估计的方法 | |
CN104020671B (zh) | 一种量测干扰下用于飞行器姿态估计的鲁棒递推滤波方法 | |
CN103312297B (zh) | 一种迭代扩展增量卡尔曼滤波方法 | |
WO2024012602A1 (zh) | 一种权值及参考四元数修正的无迹四元数姿态估计方法 | |
CN111024071A (zh) | Gnss辅助的加速度计和陀螺仪常值漂移估算的导航方法及系统 | |
CN103968839A (zh) | 一种基于蜂群算法改进ckf的单点重力匹配方法 | |
CN104101345A (zh) | 基于互补重构技术的多传感器姿态融合方法 | |
CN103438892A (zh) | 一种改进的基于ekf的天文自主定轨算法 | |
CN108225373B (zh) | 一种基于改进的5阶容积卡尔曼的大失准角对准方法 |
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 | ||
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: 20170208 Termination date: 20200730 |