CN106557615A - 一种基于triz理论的仿生对象选取方法 - Google Patents

一种基于triz理论的仿生对象选取方法 Download PDF

Info

Publication number
CN106557615A
CN106557615A CN201610950969.4A CN201610950969A CN106557615A CN 106557615 A CN106557615 A CN 106557615A CN 201610950969 A CN201610950969 A CN 201610950969A CN 106557615 A CN106557615 A CN 106557615A
Authority
CN
China
Prior art keywords
bionic
parameters
triz
deteriorated
principles
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.)
Pending
Application number
CN201610950969.4A
Other languages
English (en)
Inventor
李永欣
吴凤和
史红亮
李永攀
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yanshan University
Original Assignee
Yanshan University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Yanshan University filed Critical Yanshan University
Priority to CN201610950969.4A priority Critical patent/CN106557615A/zh
Publication of CN106557615A publication Critical patent/CN106557615A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Medicines Containing Material From Animals Or Micro-Organisms (AREA)

Abstract

本发明公开了一种基于TRIZ理论的仿生对象选取方法,其特征在于,包括如下步骤:步骤1、将工程实际问题转化为TRIZ问题,并提取出欲改善的参数和被恶化的参数;步骤2、把欲改善的参数和被恶化的参数分别代入阿奇舒勒矛盾矩阵,查找所推荐的解决问题的发明原理;步骤3、在得到的发明原理中,分析每一条发明原理的出现频次,并将发明原理按照出现频次由高到低进行排序,选出排序前N的发明原理;步骤4、将发明原理与仿生现象进行比对,选取一个最适于问题解决的生物现象为模型,确定仿生对象。该方法将TRIZ理论这一先进的发明问题解决方法引入到传统的仿生对象选取过程中,用TRIZ理论指导仿生生物原型的选取,可高效选取最适于问题解决的仿生对象。

Description

一种基于TRIZ理论的仿生对象选取方法
技术领域
本发明涉及一种基于TRIZ理论的仿生对象选取方法。
背景技术
随着技术的发展,仿生学和工程结构设计联系越来越紧密:一方面,生物研究的重大发现推进工程技术的发展和应用,另一方面,根据工程实际的需求,设计人员主动研究与设计产品功能类似的生物结构,从中总结和提取生物结构特性,应用于结构设计。
在仿生设计中,仿生对象的选取是一个关键的环节,现有的仿生对象选取方法大致有如下几种:
第一种:文献“潘变,桥式起重机箱形主梁的结构仿生优化设计,中山大学硕士学位论文,2013,4”和“岑海堂,陈五一.仿生学概念及其演变,机械设计,2007,24(7),1-2”,介绍了一种通过相似性选择生物原型的方法。此方法是仿生对象选取所采用的传统方法,先根据形态特点选取生物模型,然后进行相似性分析。
第二种:文献“袁雪青,陈登凯,杨延璞,戚彬.意象关联产品形态仿生设计方法,Computer Engineering and Applications,2014,50(7),178-182”,其采用灰关联法对用户产品意象形容词进行归并提出核心的词汇,然后将获得的意象形容词输入到基于coreldraw平台开发的仿生设计基因库中找到合适的生物原型,从而快速获得符合消费者意象的产品形态特征。但是,该方法对生物体的了解还不够深入,基因库中的名称和形态特征矢量图等还需要不断补充。
第三种:文献“秦怡,仿生设计中的中国植物造型元素库研究,江南大学硕士学位论文,2008,6”,其以植物自然形态元素作为主要内容,构建植物造型元素库,将植物的文化元素作为次要内容,而将影响植物形态的植物地理学等内容通过一种清晰有效的方式附加于元素库中,在库中根据工程设计所需的特征,功能等寻找仿生原型。
第四种:文献“Wang-Chih Chena,Jahau Lewis Chen.Eco-innovation byIntegrating Biomimetic Design and ARIZ”,通过工程术语和生物学术语的结合将仿生思想和ARIZ中解决生态产品设计的生态创新方法相结合,形成一个库,当需要的时候,输入关键词进行搜索以寻找需要的生物原型。
但是,分析上述仿生对象选取方法可以发现,传统的方法有很大的主观性和盲目性,并且效率低下。近些年出现的一些创新方法,克服了传统方法的缺点,然而在实际应用过程中也有一定的局限性。因此找到一种实用高效的仿生对象选择方法来解决日益复杂的工程设计问题尤为重要。
发明内容
针对上述问题,本发明提供一种基于TRIZ理论的仿生对象选取方法,该方法将TRIZ理论这一先进的发明问题解决方法引入到传统的仿生对象选取过程中,用TRIZ理论指导仿生生物原型的选取,可高效选取最适于问题解决的仿生对象。
为实现上述技术目的,达到上述技术效果,本发明通过以下技术方案实现:
一种基于TRIZ理论的仿生对象选取方法,其特征在于,包括如下步骤:
步骤1、将工程实际问题转化为TRIZ问题,并提取出欲改善的参数和被恶化的参数;
步骤2、把欲改善的参数和被恶化的参数分别代入阿奇舒勒矛盾矩阵,查找所推荐的解决问题的发明原理;
步骤3、在得到的发明原理中,分析每一条发明原理的出现频次,并将发明原理按照出现频次由高到低进行排序,选出排序前N的发明原理;
步骤4、将发明原理与仿生现象进行比对,选取一个最适于问题解决的生物现象为模型,确定仿生对象。
优选,步骤1具体包括如下步骤:
步骤101、将工程实际问题进行TRIZ冲突表述,提取技术冲突;
步骤102、从技术冲突中确定并筛选技术系统应改善的特性和被恶化的特性;
步骤103、将所确定的技术特性对应39个工程参数进行重新描述,确定欲改善的参数和被恶化的参数。
优选,步骤4中,若无法选取最适于问题解决的生物现象,则返回步骤1重新将工程实际问题转化为TRIZ问题。
本发明的有益效果是:
将TRIZ理论与传统的仿生学方法相结合,即将大自然中千姿百态的生物形态、功能、结构等与TRIZ的发明原理对应起来,用TRIZ理论指导仿生生物原型的选取,同时利用所能效仿的生物形态、功能、结构等对TRIZ理论进行补充和延伸,使其原理更加形象、具体,为仿生设计提供理论支持。本发明可应用于工程仿生设计的初始阶段,为仿生设计和工程应用提供模型基础。
附图说明
图1是本发明一种基于TRIZ理论的仿生对象选取方法的流程图。
具体实施方式
下面结合附图和具体的实施例对本发明技术方案作进一步的详细描述,以使本领域的技术人员可以更好的理解本发明并能予以实施,但所举实施例不作为对本发明的限定。
TRIZ理论(英文名为Theory of Inventive Problem Solving,缩写为TIPS)是由前苏联发明家根里奇·阿奇舒勒(Genrich.S.Altshuller)于1946年开始,动用1500人·年,在研究了世界250万份高水平发明专利之后,提出的一套具有完整理论体系的创新方法。利用该理论可以对问题进行系统的分析,快速发现问题的本质,准确地定义创新性问题和矛盾,打破思维定势,对创新性问题和矛盾提供合理的解决方案。
阿利赫舒列尔和他的TRIZ研究机构50多年来提出了TRIZ系列的多种工具,如冲突矩阵、76标准解答、ARIZ、AFD、物质--场分析、ISQ、DE、8种演化类型、科学效应、40个创新原理,39个工程参数,物理学、化学、几何学等工程学原理知识库等,常用的有基于宏观的矛盾矩阵法(冲突矩阵法)和基于微观的物场变换法。事实上TRIZ针对输入输出的关系(效应)、冲突和技术进化都有比较完善的理论。这些工具为创新理论软件化提供了基础,从而为TRIZ的实际应用提供了条件。因此将TRIZ理论与仿生学方法相结合可以更合理高效地指导仿生对象的选取。
如图1所示,一种基于TRIZ理论的仿生对象选取方法,包括如下步骤:
步骤1、将工程实际问题转化为TRIZ问题,并提取出欲改善的参数和被恶化的参数。
步骤2、把欲改善的参数和被恶化的参数分别代入阿奇舒勒矛盾矩阵,查找所推荐的解决问题的发明原理。将序号与40条发明原理目录对应,得到发明原理的名称。
步骤3、在得到的发明原理中,分析每一条发明原理的出现频次,并将发明原理按照出现频次由高到低进行排序,选出排序前N的发明原理,得到TRIZ问题的解。一般的,N取值范围是3≤N≤8。
步骤4、将发明原理与仿生现象进行比对,选取一个最适于问题解决的生物现象为模型,确定仿生对象。针对所推荐的发明原理总结一些生物现象并建立对应关系。探讨这些生物现象在工程实际问题中如何实现和应用,选取最适于问题解决的生物现象为模型,确定仿生对象。
若无法选取最适于问题解决的生物现象,则返回步骤1重新将工程实际问题转化为TRIZ问题。即如果所得的生物对象都不适合解决工程实际问题,则需要返回以上步骤,重新定义各工程参数和矛盾,再次应用和查找阿奇舒勒矛盾矩阵来选取合适的仿生模型,直至有解。
优选,步骤1具体包括如下步骤:
步骤101、将工程实际问题进行TRIZ冲突表述,提取技术冲突;
步骤102、从技术冲突中确定并筛选技术系统应改善的特性和被恶化的特性,因为,冲突的双方代表着技术系统欲改善的特性和被恶化的特性,改善某个特性的同时,必然会带来其他一个或多个特性的恶化。
步骤103、将所确定的技术特性对应39个工程参数进行重新描述,确定欲改善的参数和被恶化的参数,即把具体问题用TRIZ通用语言表述出来,将工程实际问题转化为TRIZ问题。
下面结合具体实例对本发明作进一步详细说明,比如,一种基于TRIZ理论的加强筋布局设计的仿生对象选取,包括如下步骤:
步骤1:
该问题用TRIZ的冲突表述为“在一定的布局形式下,如果改善力学性能,则需要更多的加强筋”,或“如果减少加强筋,则增强作用消减”,考虑到工艺问题可以得到以下技术冲突:
技术冲突1:在一定的布局形式下减小加强筋的重量会引起结构强度的降低,导致变形增大,力学性能变差。
技术冲突2:改进后筋板的形式变得复杂,会导致结构的工艺性变差,适应性变差。
将所确定的技术特性对应39个工程参数进行重新描述,TRIZ理论的39个工程参数如表1所示,得到欲改善的参数和被恶化的参数:
欲改善的参数:(静力参数)静止物体的质量、应力、强度、静止物体的能量、可靠性;(动力参数)运动物体的质量、速度、结构稳定性、能量损失、可靠性;
被恶化的参数:物质或事物的数量、可制造性、可维修性、适应性及多用型、装置的复杂性。
表1 TRIZ理论的39个工程参数表
步骤2:把欲改善的参数和被恶化的参数代入阿奇舒勒矛盾矩阵,查找所推荐的发明原理的序号。将序号与40条发明原理对应,得到发明原理的名称,表2是TRIZ理论的40条发明原理目录,表3和4分别是加强筋布局的静力参数和动力参数矛盾矩阵。
表2 TRIZ理论的40条发明原理目录
表3 加强筋布局的静力参数矛盾矩阵
表4 加强筋布局的动力参数矛盾矩阵
步骤3:
在上述矛盾矩阵中得到的发明原理较多,为了从中选出价值较高的发明原理,需要分析每一条原理的出现频次,然后进行筛选。表5和6分别是静力参数和动力参数矛盾矩阵中各发明原理的出现频次(3次及以上)。
表5 静力参数矛盾矩阵中各发明原理的出现频次
表6 动力参数矛盾矩阵中各发明原理的出现频次
发明原理序号 35 2 28 26 1 34 10
发明原理 参数变化 分离抽取 机械系统替代 复制 分割 抛弃与修复 预操作
出现频次 8 6 5 4 4 4 4
表5中预补偿、周期性作用、反向和表6中机械系统替代、复制、抛弃与修复等属于颠覆性设计,在本问题中是不可行的或是对问题的解决无贡献。故选取分割、预操作、参数变化、局部质量、分离抽取和低成本替代等作为实际结构的解决方案。
步骤4:
将上述所得到的发明原理分为三类:一是突出局部作用的分割,分离抽取,局部质量,二是预操作和预补偿等施加预动作,三是参数变化。结合类似的生物现象可以发现,突出局部作用的生物现象有长颈鹿长长的脖子,植物密度不均匀的中空茎杆,生物的分级脉序等;典型的预操作和预补偿有注射疫苗产生相应的抗体,增强免疫力;参数变化的例子有变色龙在不同环境下改变体色进行伪装,王莲等植物的叶脉呈辐射状分布等。在这些生物现象中,突出局部作用和参数变化的生物现象适合于本问题的解决。,两个发明原理都指向了生物脉序——薄薄的叶片/膜翅上分布有纵横交错的脉络。
然后对比各类生物脉序可以发现,双子叶植物脉序和在不同工况下的加强筋布局尤其相似。首先,植物叶片与加筋薄板外形上相似。加强筋按照一定角度和方向分布在薄板的一侧,形成了“薄板壳+加强筋”的组合结构,双子叶植物叶脉主要分布于叶片的背侧,叶子由叶片和叶脉交错形成,也可以理解为“叶片+叶脉”的复合结构;且不同宽度的叶脉构成了不同的等级;叶脉之间形成某种角度。其次,加强筋与叶脉在功能上具有相似性。叶脉的主要作用是传递物质和支持叶片,双子叶植物脉序对叶片的支撑作用比较明显,等级性的脉络更有效地分担了载荷。因此,可以选择具有等级性的双子叶植物脉序形态来指导加强筋仿生布局设计。表7是部分TRIZ发明原理和对应的一些生物现象。
表7 部分TRIZ发明原理和对应的一些生物现象
综上所述,基于TRIZ理论的仿生对象选取方法直接将工程问题由TRIZ得到发明原理,然后再与生物现象进行对应,就能得到合适的生物原型。整个过程克服了人为选取的盲目性,证明了该方法的可行性。
将TRIZ理论与传统的仿生学方法相结合,即将大自然中千姿百态的生物形态、功能、结构等与TRIZ的发明原理对应起来,用TRIZ理论指导仿生生物原型的选取,同时利用所能效仿的生物形态、功能、结构等对TRIZ理论进行补充和延伸,使其原理更加形象、具体,为仿生设计提供理论支持。可高效选取最适于问题解决的仿生对象。本发明可应用于工程仿生设计的初始阶段,为仿生设计和工程应用提供模型基础。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或者等效流程变换,或者直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。

Claims (4)

1.一种基于TRIZ理论的仿生对象选取方法,其特征在于,包括如下步骤:
步骤1、将工程实际问题转化为TRIZ问题,并提取出欲改善的参数和被恶化的参数;
步骤2、把欲改善的参数和被恶化的参数分别代入阿奇舒勒矛盾矩阵,查找所推荐的解决问题的发明原理;
步骤3、在得到的发明原理中,分析每一条发明原理的出现频次,并将发明原理按照出现频次由高到低进行排序,选出排序前N的发明原理;
步骤4、将发明原理与仿生现象进行比对,选取一个最适于问题解决的生物现象为模型,确定仿生对象。
2.根据权利要求1所述的一种基于TRIZ理论的仿生对象选取方法,其特征在于,步骤1具体包括如下步骤:
步骤101、将工程实际问题进行TRIZ冲突表述,提取技术冲突;
步骤102、从技术冲突中确定并筛选技术系统应改善的特性和被恶化的特性;
步骤103、将所确定的技术特性对应39个工程参数进行重新描述,确定欲改善的参数和被恶化的参数。
3.根据权利要求1所述的一种基于TRIZ理论的仿生对象选取方法,其特征在于,步骤4中,若无法选取最适于问题解决的生物现象,则返回步骤1重新将工程实际问题转化为TRIZ问题。
4.根据权利要求3所述的一种基于TRIZ理论的仿生对象选取方法,其特征在于,N取值范围是3≤N≤8。
CN201610950969.4A 2016-10-27 2016-10-27 一种基于triz理论的仿生对象选取方法 Pending CN106557615A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610950969.4A CN106557615A (zh) 2016-10-27 2016-10-27 一种基于triz理论的仿生对象选取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610950969.4A CN106557615A (zh) 2016-10-27 2016-10-27 一种基于triz理论的仿生对象选取方法

Publications (1)

Publication Number Publication Date
CN106557615A true CN106557615A (zh) 2017-04-05

Family

ID=58443646

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610950969.4A Pending CN106557615A (zh) 2016-10-27 2016-10-27 一种基于triz理论的仿生对象选取方法

Country Status (1)

Country Link
CN (1) CN106557615A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108921276A (zh) * 2018-06-21 2018-11-30 燕山大学 一种力流导向的装备轻量化仿生方法及系统
CN109145393A (zh) * 2018-07-27 2019-01-04 燕山大学 一种结构仿生轻量化设计方法
CN109344524A (zh) * 2018-10-18 2019-02-15 燕山大学 一种薄板结构加强筋分布优化方法
CN109408939A (zh) * 2018-10-18 2019-03-01 燕山大学 一种兼顾应力和位移约束的薄板结构加强筋分布优化的改进方法
CN110189587A (zh) * 2019-07-03 2019-08-30 邯郸市金榜教育科技有限公司 一种基于triz理论的冲突矩阵教学装置
CN111325307A (zh) * 2020-02-05 2020-06-23 齐齐哈尔大学 一种物理矛盾求解的仿生设计方法
CN113821845A (zh) * 2021-11-22 2021-12-21 天津航天瑞莱科技有限公司 一种产品设计阶段维修性定性设计方法
CN115600437A (zh) * 2022-11-22 2023-01-13 南京维拓科技股份有限公司(Cn) 一种基于triz创新思维rtc工具解决产品参数问题的方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101393568A (zh) * 2007-09-17 2009-03-25 上海理工大学 解决triz矩阵表空矩阵元素的方法
CN103661733A (zh) * 2013-12-14 2014-03-26 江南大学 基于triz的旅行箱式太阳能自行车的设计方法
CN103744972A (zh) * 2014-01-10 2014-04-23 上海交通大学 基于服务triz的服务设计冲突解决方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101393568A (zh) * 2007-09-17 2009-03-25 上海理工大学 解决triz矩阵表空矩阵元素的方法
CN103661733A (zh) * 2013-12-14 2014-03-26 江南大学 基于triz的旅行箱式太阳能自行车的设计方法
CN103744972A (zh) * 2014-01-10 2014-04-23 上海交通大学 基于服务triz的服务设计冲突解决方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
李青: "基于TRIZ理论和仿生原理的犁技术进化的研究", 《中国优秀硕士学位论文全文数据库基础科学辑》 *
柴亚南: "基于TRIZ理论和工程仿生学的机械创新方法的研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108921276A (zh) * 2018-06-21 2018-11-30 燕山大学 一种力流导向的装备轻量化仿生方法及系统
CN109145393A (zh) * 2018-07-27 2019-01-04 燕山大学 一种结构仿生轻量化设计方法
CN109145393B (zh) * 2018-07-27 2021-05-07 燕山大学 一种结构仿生轻量化设计方法
CN109408939A (zh) * 2018-10-18 2019-03-01 燕山大学 一种兼顾应力和位移约束的薄板结构加强筋分布优化的改进方法
CN109344524A (zh) * 2018-10-18 2019-02-15 燕山大学 一种薄板结构加强筋分布优化方法
CN109408939B (zh) * 2018-10-18 2022-11-29 燕山大学 一种兼顾应力和位移约束的薄板结构加强筋分布优化的改进方法
CN109344524B (zh) * 2018-10-18 2022-12-09 燕山大学 一种薄板结构加强筋分布优化方法
CN110189587A (zh) * 2019-07-03 2019-08-30 邯郸市金榜教育科技有限公司 一种基于triz理论的冲突矩阵教学装置
CN111325307A (zh) * 2020-02-05 2020-06-23 齐齐哈尔大学 一种物理矛盾求解的仿生设计方法
CN111325307B (zh) * 2020-02-05 2023-07-21 齐齐哈尔大学 一种物理矛盾求解的仿生设计方法
CN113821845A (zh) * 2021-11-22 2021-12-21 天津航天瑞莱科技有限公司 一种产品设计阶段维修性定性设计方法
CN113821845B (zh) * 2021-11-22 2022-05-03 天津航天瑞莱科技有限公司 一种产品设计阶段维修性定性设计方法
CN115600437A (zh) * 2022-11-22 2023-01-13 南京维拓科技股份有限公司(Cn) 一种基于triz创新思维rtc工具解决产品参数问题的方法

Similar Documents

Publication Publication Date Title
CN106557615A (zh) 一种基于triz理论的仿生对象选取方法
Zhao et al. Lightweight design of mechanical structures based on structural bionic methodology
CN110851566B (zh) 一种应用于命名实体识别的可微分网络结构搜索的方法
CN102314614B (zh) 一种基于类共享多核学习的图像语义分类方法
CN108121975A (zh) 一种联合原始数据和生成数据的人脸识别方法
CN109271427A (zh) 一种基于近邻密度和流形距离的聚类方法
CN105740888A (zh) 一种用于零样本学习的联合嵌入模型
Cheng et al. Remote sensing image classification based on optimized support vector machine
CN110263021A (zh) 一种基于个性化标签体系的主题库生成方法
CN106599128B (zh) 基于深层主题模型的大规模文本分类方法
Tang et al. Target category agnostic knowledge distillation with frequency-domain supervision
CN106971005A (zh) 一种云计算环境下基于MapReduce的分布式并行文本聚类方法
Zhang et al. Adaptive patching for high-resolution image segmentation with transformers
CN109086381A (zh) 模糊概念格的一种更新生成方法
CN114332528B (zh) 基于分布式域协同博弈对抗网络的变工况卫星故障诊断方法
Zheng et al. Select the best: Enhancing graph representation with adaptive negative sample selection
Song et al. Stability and Hopf bifurcation of a ratio-dependent predator-prey model with time delay and stage structure
Liang et al. Wpnets and pwnets: from the perspective of channel fusion
Bamford et al. AeroINR: Meta-learning for Efficient Generation of Aerodynamic Geometries
Wang et al. Intelligent push method of agricultural talents teaching resources based on association rule
Gonçalves et al. $\Upsilon $-DB: A system for data-driven hypothesis management and analytics
Kaur et al. Text document clustering and classification using k-means algorithm and neural networks
Prisilla et al. Classification of coastal batik and inland batik using machine learning
Chen et al. BYOL network based contrastive clustering
Lin Deep learning networks for microbiology images recognition

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20170405