CN106944877A - 基于声发射信号的刀具磨损无线智能检测装置 - Google Patents
基于声发射信号的刀具磨损无线智能检测装置 Download PDFInfo
- Publication number
- CN106944877A CN106944877A CN201610002595.3A CN201610002595A CN106944877A CN 106944877 A CN106944877 A CN 106944877A CN 201610002595 A CN201610002595 A CN 201610002595A CN 106944877 A CN106944877 A CN 106944877A
- Authority
- CN
- China
- Prior art keywords
- signal
- module
- acoustic emission
- data
- embedded
- 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
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
- B23Q17/00—Arrangements for observing, indicating or measuring on machine tools
- B23Q17/09—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool
- B23Q17/0952—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool during machining
- B23Q17/0957—Detection of tool breakage
Abstract
基于声发射信号的刀具磨损无线智能检测装置,涉及刀具磨损检测领域。本发明包括数控铣床、铣刀、工件、声发射传感器、主板、嵌入式信号采集模块、嵌入式信号传输模块和具有数据处理和无线接收的PC端等部分组成。本发明以加工过程中声发射信号特征为研究对象,以单片机技术和无线网络技术为手段,有效的将声发射信号从声发射信号的感知题传输到PC端进行数据处理来检测刀具磨损状态。该装置简单实用,人工交互界面友好,实时检测能及时有效的识别刀具磨损状态,减少刀具浪费,提高加工效率。
Description
技术领域
本发明设计刀具磨损检测,具体设计到一种基于声发射信号的刀具磨损监测装置。
背景技术
在金属切削加工中,刀具的工作环境是不断变化的,因此刀具磨损状态受到工艺装置的动态特性、刀具材料、切削条件等因素的影响。通常工人根据切屑形成和加工噪声情况以及工件的表面质量,或者是根据加工的时间和加工工件的数量来判别刀具的磨损状态。人工辨别刀具磨损状态受到主观因素的影响,导致判断的准确性不高。同时,刀具的磨损状态与其影响因素之间是一种高度非线性的关系,因此通过加工时间和工件的数量来辨别刀具磨损状态也是不精确,所以传统的刀具磨损状态识别不能满足要求。在实际加工生产过程中,影响产品的尺寸精度和表面质量的关键因素是刀具的磨损和破损。为了确保工件的表面质量和尺寸精度,根据传统的人工辨别刀具磨损状态的方法,很多刀具还未达到失效状态就被换掉。一方面,没有完全和充分地发挥刀具的使用,进而造成了刀具的使用浪费。另一方面,频繁地更换刀具也会造成加工效率的降低。如果对刀具磨损状态的判断不准确和不及时更换刀具,刀具的磨损量急剧增加,导致工件表面的质量下降,甚至会导致整个加工过程的中断,造成工件报废,严重的情况可能导致整个机床装置的停止运行。所以说,在机械加工过程中,刀具磨损检测是至关重要的。
在数控加工中心中,刀具的失效造成的停机时间大约占20%左右。在数控加工机床中配备刀具磨损状态检测装置后,人为问题和技术问题造成的故障停机时间减少了四分之三左右,使得有效的加工时间约为65%,将数控机床的利用率提高了一半以上,加工质量在此基础上提高了百分之二十左右。由此可以看出,刀具磨损状态检测装置能够带来经济和社会效益,为智能制造奠定了基础,并且这项技术已经成为各国工人的关键技术,受到了很大的重视。
在切削加工前后运用某种测量仪器或者手段对刀具的质量或者刀具的形状变化进行测量,从而判断刀具磨损的状态。如利用接触测量方法、放射线测量方法和光学测量方法等。这种直接测量的方法都是直接接触被检测刀具的形成或者位置等参量,一般只能离线检测。该种方法的最大优点就是准确度高,但是这种方法缺点也非常明显,一方面,必须停机检测,延长了加工时间。另一方面,对刀具的失效没有预判能力,严重地限制了使用范围。
发明内容
本发明的目的是为了解决人工经验判别刀具磨损量以及直接检测对刀具磨损进行检测,效率低,操作复杂等问题。现提供基于声发射信号的刀具磨损无线智能检测装置,通过对声发射信号的采集,数据的转换,数据存储以及无线传输给PC端。在PC端进行数据进一步存储和分析从而检测刀具磨损状态。从而有效的避免了由于刀具磨损带来的损失。
基于声发射信号的刀具磨损无线智能检测装置,特征在于,包括:铣床、铣刀、工件、声发射传感器、嵌入式信号采集模块、嵌入式信号传输模块和具有数据处理和无线接收的PC端。所述的声发射传感器粘贴到加工工件上,用于采集铣床上的铣刀加工工件所产生的微弱的声发射信号,声发射传感器输出端连接到主板上,主板上有嵌入式信号采集模块和嵌入式信号传输模块,嵌入式信号采集模块嵌入式信号传输模块相连接,信号通过无线信号把数据传输到具有数据处理和无线接收的PC端上。
所述的嵌入式信号采集模块和所述的嵌入式信号传输模块都采用STM32F系列芯片具有丰富和强大的外设管理功能,功耗控制能力强以及处理速度快。
所述的嵌入式信号采集模块包括信号前置放大器、信号滤波器、时钟模块、SD卡、ADC采集模块和装置复位模块。所述的嵌入式信号传输模块包括USART接口、指示灯模块、无线及接口模块和电源模块。信号前置放大器的输出端连接信号滤波器的输入端,信号滤波器输出信号通过心痛复位模块、时钟模块和ADC采集模块对信号进行转换处理,处理后的信号数据存储到SD卡中。通过USART接口和无线及接口模块进行无线通信来传输储存在SD卡的信号数据,同时具有数据处理和无线接收的PC端接受无线传输的信号数据,通过PC端显示。所述的电源模块采用电池供电为整个主板进行供电。所述的指示灯模块显示整个装置是否正常工作。
所述的基于声发射信号的刀具磨损无线智能检测装置的声发信号比较微弱,因此所述的信号前置放大器对信号进行放大、降低噪声干扰,所述的信号前置放大器的电路设计考虑弗里斯公式和电阻匹配公式的同时,采用三级放大和级间反馈的形式,从而保证降低噪声、带宽、适当的级联形式以及反馈和稳定的放大倍数。将所述的信号前置放大器的输出信号经过所述的信号滤波器进行处理,所述的信号滤波器采用了高通巴特沃斯型滤波器,保证过滤掉集中在10KHZ以下的噪声频率和所述的信号前置放大器自身产生的集中在1MHZ以上的频率,从而采集声发射信号最高的有效频率250KHZ。
所述的嵌入式信号传输模块采用C/S通讯方式,并且采用定时发送数据和接收控制端命令传送数据,大数据采集时可以采用循环的工作方式。所述嵌入式信号传输模块(6)以EMW3162软件库为平台开发无线网络程序,该软件集成了WIFI协议和TCP/IP协议栈,方便调用软件库功能和开发程序。
所述的具有数据处理和无线接收的PC端能够对所述的嵌入式信号采集模块(5)和所述的嵌入式信号传输模块进行功能控制包括控制无线传输装置功耗的睡眠模式、待机模式。停止模式和控制装置的数据采集、设置采样频率,对声发射信号初步处理,将数据储存到硬盘当中,提供数据提取和信号的进一步分析,从而判定刀具磨损状态。
本发明具有以下有益效果。
本发明通过无线通讯传输数据,更好融合到想要监测的对象中同时也不影响被监测对象的结构,监测最准确的信号,同时避免了固定有线传感器的缺陷。
本发明结构简单,实现方便,在检测刀具磨损状态过程中节省了装夹时间,提高效率,在加工过程中也可以有效的反馈刀具磨损状态,从而避免了直接检测过程中的必须停机的时间浪费。
本发明避免了人工经验推断不准确导致可以继续使用的刀具的浪费,或者刀具已经报废还在进行加工的情况,减少了报废零件的出现。
附图说明
图1为基于声发射信号的刀具磨损监测装置的结构示意图。
图2为主板内部结构图。
图3为前置放大电路示意图。
图4为滤波器电路图。
图 5为不同低功耗模式选择流程图。
图6为AD转换流程图。
图7为USART模块中的发送流程图。
图8为USART模块中的接收流程图。
图9为SD卡工作的流程图。
图10为PC端通讯流程图。
图11为无线数据终端通信流程图。
具体实施方式
本发明提出的基于声发射信号的刀具磨损无线智能检测装置结合附图和实施例详细说明如下,但本发明的保护范围不限于下述实施例。本发明以刀具为被测对象,检测刀具磨损发出的声发射信号,附图1位基于声发射信号的刀具磨损监测装置的结构示意图。刀具切削时声发射信号具有随机信号的特征,其持续时间在整个刀具切削的行为过程中。信号频率乏味主要集中在20K-170KHZ范围以内,为了更为客观的分析,认为信号频率主要在20K-250KHZ。先将声发射传感器放置于工件上,并且放置的位置不妨碍加工,当刀具加工工件的情况下产生应力波,声发射传感器将应力波转换成电信号,由于这个电信号本来很微弱,在传输过程中容易衰减以及周围噪声的干扰,为了更好的保存采集到的声发射信号,将所述的声发射传感器采集到的信号送入主板内的嵌入式信号采集模块进行处理,为以后的信号无线传输和信号的分析奠定基础。
附图2为主板内部结构图。所述的主板的嵌入式信号采集模块首先对采集的声发射信号进行预处理,包括信号放大、滤波等预处理。进入装置复位模块对装置进行复位,再将处理后的声发射信号传输到ADC采集模块和时钟模块进行数据的A/D装换,并且进入SD卡进行数据存储,进入USART接口模块将SD卡的数据传输到嵌入式无线传输模块,最后通过无线及借口模块传输到PC端对接收的数据信号以txt的格式储存并且图形化的直观的方式展示给用户,用户根据自己的需要选择相应的条件选项,控制无线信号传输装置。采用信号的频域和时域特征进行信号的分析,将其分析的信号特征与储存在PC的刀具磨损声发射信号特征进行对比最终确定刀具的磨损状态。
附图3为前置放大电路示意图。所述前置放大电路采用三级放大和级间反馈的形式,设计时同时考虑弗里斯公式和电阻匹配公式。在信号输入级提高前置放大电路的输入阻抗、降低信号的噪声,同时为下一级提供较宽的频带范围,因此输入级前端选择小功率结型场效应管3DJ4F,后端与结型场效应管相接形成共基极放大电路,对信号初步放大。查阅相关手册确定结型场效应管的相关参数。
由于声发射信号相对于环境噪声比较微弱,为了提取有效的声发射信号必须滤除输入信号的噪声,考虑到要滤除放大器输入端的机床噪声和振动噪声信号,采用高通滤波器。由于高频噪音频率1MHZ相对于声发射信号最高的有效频率250KHZ相差很大,因此采用巴特沃斯型滤波器。附图4滤波器电路图。
本发明的主板部分采用电池供电的方式,供电功率较低小于2W,需要有效的电源管理方法降低主板的功耗。所以设计不同的低功耗模式选择。附图5为不同低功耗模式选择流程图。
本发明中嵌入式信号采集模块,在采集铣刀切削加工过程中声发射信号是模拟量,因此需要转换成数字信号进而下一步的传输,可见模拟信号AD转换能力对装置非常重要,决定装置的终端声发射信号采集质量。在铣削加工过程中发生的AE信号有效频率范围是20K-250KHZ,根据采样公式,设计A/D采样速率为875KHZ。由于声发射信号是连续型,设计A/D采集模式为规则通道连续转换模式,设置AD装换时间为1.17us。由于A/D转换速度非常快,单位时间产生大量数据,为了节约CPU运行时间和能耗,因此本发明采用DMA传输的方式降低功耗。附图6为AD转换流程图。
USART模块用于嵌入式数据采集模块和数据传输模块的通信,传输速率高达4.5Mbps,内置8位移位寄存器可以用来数据的收发寄存,在USART模块中设置波特率尤为重要,太高容易使信号失真,本发明时钟频率为72MHZ,根据波特率计算方法,计算出波特率的为230400存储到波特率寄存器中。附图7为USART模块中的发送流程图和附图8为USART模块中的接收流程图。
本发明中声发射信号采集频率较高,需要传输和分析大量的数据,因此在嵌入式采集模块加入SD储存开,通过SPI接口来传输数据。实现SD卡的读写过程大致分为三大步骤:初始化、写卡、读卡。附图9为SD卡工作的流程图。
本发明的嵌入式信号传输模块采用C/S通讯方式,并且采用定时发送数据和接收控制端命令传送数据,大数据采集时可以采用循环的工作方式。所述嵌入式信号传输模块以EMW3162软件库为平台开发无线网络程序,该软件集成了WIFI协议和TCP/IP协议栈,方便调用软件库功能和开发程序。在传输过程中,嵌入式指示灯模块会闪烁,证明通讯正常工作。附图10为PC端通讯流程图和附图11为无线数据终端通信流程图。
本发明的具有数据处理和无线传输的PC端可以控制装置数据的传输和对接收到的数据进行储存和处理。在设计时,我们采用Labview软件编程,同时我们要考虑到声发射信号有效的无线传输和装置功耗的控制。首先要有对内嵌式无线传输模块的功能控制,包括无线传输装置的功耗和控制装置数据采集、设置采样频率。其次对声发射信号进行初步处理,观察无线数据采集的声发射信号和有线数据采集下的声发射信号的特点。再次,数据存储,将数据存储到硬盘当中,供数据提取和信号进一步分析。同时,PC端用MATLAB调用训练好的模型对数据进行分析从而判定刀具磨损的状态进而避免了刀具的浪费或者由于刀具的过度使用造成的工件报废。
Claims (6)
1.基于声发射信号的刀具磨损无线智能检测装置,特征在于,包括:铣床(1)、铣刀(2)、工件(3)、声发射传感器(4)、嵌入式信号采集模块(5)、嵌入式信号传输模块(6)和具有数据处理和无线接收的PC端(7);所述的声发射传感器(4)粘贴到加工工件(3)上,用于采集铣床(1)上的铣刀(2)加工工件(3)所产生的微弱的声发射信号,声发射传感器输出端连接到主板(8)上,主板(8)上有嵌入式信号采集模块(5)和嵌入式信号传输模块(6),嵌入式信号采集模块(5)嵌入式信号传输模块(6)相连接,信号通过无线信号把数据传输到具有数据处理和无线接收的PC端(7)上。
2.根据权利要求1所述的嵌入式信号采集模块(5)和所述的嵌入式信号传输模块(6),特征在于,所述的嵌入式信号采集模块(5)和嵌入式信号传输模块(6)都采用STM32F系列芯片具有丰富和强大的外设管理功能,功耗控制能力强以及处理速度快。
3.根据权利要求2所述的嵌入式信号采集模块5和所述的嵌入式信号传输模块(6),其特征在于,所述的嵌入式信号采集模块(5)包括信号前置放大器(51)、信号滤波器(52)、时钟模块(53)、SD卡(54)、ADC采集模块(55)和装置复位模块(56);所述的嵌入式信号传输模块(6)包括USART接口(61)、指示灯模块(62)、无线及接口模块(63)和电源模块(64);信号前置放大器(51)的输出端连接信号滤波器(52)的输入端,信号滤波器输出信号通过心痛复位模块(56)、时钟模块(53)和ADC采集模块(55)对信号进行转换处理,处理后的信号数据存储到SD卡(54)中;通过USART接口(61)和无线及接口模块(63)进行无线通信来传输储存在SD卡(54)的信号数据,同时具有数据处理和无线接收的PC端(7)接受无线传输的信号数据,通过PC端显示;所述的电源模块(64)采用电池供电为整个主板(8)进行供电;所述的指示灯模块(62)显示整个装置是否正常工作。
4.根据权利要求1所述的基于声发射信号的刀具磨损无线智能检测装置的声发信号比较微弱,因此根据权利要求2所述的信号前置放大器(51)对信号进行放大、降低噪声干扰,所述的信号前置放大器(51),特征在于:所述的信号前置放大器(51)的电路设计考虑弗里斯公式和电阻匹配公式的同时,采用三级放大和级间反馈的形式,从而保证降低噪声、带宽、适当的级联形式以及反馈和稳定的放大倍数;将所述的信号前置放大器(51)的输出信号经过所述的信号滤波器(52)进行处理,所述的信号滤波器(52),特征在于:采用了高通巴特沃斯型滤波器,保证过滤集中在10KHZ以下的噪声频率和所述的信号前置放大器(51)自身产生的集中在1MHZ以上的频率,从而采集声发射信号最高的有效频率250KHZ。
5.根据权利要求3所述的嵌入式信号传输模块(6)采用C/S通讯方式,并且采用定时发送数据和接收控制端命令传送数据,大数据采集时可以采用循环的工作方式;所述嵌入式信号传输模块(6)以EMW3162软件库为平台开发无线网络程序,该软件集成了WIFI协议和TCP/IP协议栈,方便调用软件库功能和开发程序。
6.根据权利要求3所述的具有数据处理和无线接收的PC端(7),特征在于,能够对所述的嵌入式信号采集模块(5)和所述的嵌入式信号传输模块(6)进行功能控制包括控制无线传输装置功耗的睡眠模式、待机模式,停止模式和控制装置的数据采集、设置采样频率,对声发射信号初步处理,将数据储存到硬盘当中,供数据提取和信号的进一步分析,从而判定刀具磨损状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610002595.3A CN106944877A (zh) | 2016-01-06 | 2016-01-06 | 基于声发射信号的刀具磨损无线智能检测装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610002595.3A CN106944877A (zh) | 2016-01-06 | 2016-01-06 | 基于声发射信号的刀具磨损无线智能检测装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106944877A true CN106944877A (zh) | 2017-07-14 |
Family
ID=59465289
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610002595.3A Pending CN106944877A (zh) | 2016-01-06 | 2016-01-06 | 基于声发射信号的刀具磨损无线智能检测装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106944877A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108436855A (zh) * | 2018-03-13 | 2018-08-24 | 哈尔滨理工大学 | 一种球头铣刀刀具磨损检测夹具 |
CN109285156A (zh) * | 2018-11-16 | 2019-01-29 | 厦门大学 | 离线预测拖拉机变速箱加工用整体立铣刀寿命的方法 |
CN109389039A (zh) * | 2018-09-04 | 2019-02-26 | 温州大学激光与光电智能制造研究院 | 一种优化核极限学习机在线监测刀具磨损状态方法及系统 |
CN109579751A (zh) * | 2018-11-30 | 2019-04-05 | 西安科技大学 | 一种基于声发射的盾构机刀具磨损量的检测方法及装置 |
CN109623494A (zh) * | 2019-01-18 | 2019-04-16 | 四川大学 | 一种三合一传感器夹具及多模态刀具磨损状态监测系统 |
CN110108803A (zh) * | 2019-05-08 | 2019-08-09 | 上海航天设备制造总厂有限公司 | 一种基于声发射传感的搅拌针断针检测的装置及方法 |
CN111958321A (zh) * | 2020-08-09 | 2020-11-20 | 西北工业大学 | 基于深度神经网络的数控机床刀具磨损程度识别方法 |
-
2016
- 2016-01-06 CN CN201610002595.3A patent/CN106944877A/zh active Pending
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108436855A (zh) * | 2018-03-13 | 2018-08-24 | 哈尔滨理工大学 | 一种球头铣刀刀具磨损检测夹具 |
CN109389039A (zh) * | 2018-09-04 | 2019-02-26 | 温州大学激光与光电智能制造研究院 | 一种优化核极限学习机在线监测刀具磨损状态方法及系统 |
CN109285156A (zh) * | 2018-11-16 | 2019-01-29 | 厦门大学 | 离线预测拖拉机变速箱加工用整体立铣刀寿命的方法 |
CN109285156B (zh) * | 2018-11-16 | 2021-12-21 | 厦门大学 | 离线预测拖拉机变速箱加工用整体立铣刀寿命的方法 |
CN109579751A (zh) * | 2018-11-30 | 2019-04-05 | 西安科技大学 | 一种基于声发射的盾构机刀具磨损量的检测方法及装置 |
CN109623494A (zh) * | 2019-01-18 | 2019-04-16 | 四川大学 | 一种三合一传感器夹具及多模态刀具磨损状态监测系统 |
CN109623494B (zh) * | 2019-01-18 | 2023-08-15 | 四川大学 | 一种三合一传感器夹具及多模态刀具磨损状态监测系统 |
CN110108803A (zh) * | 2019-05-08 | 2019-08-09 | 上海航天设备制造总厂有限公司 | 一种基于声发射传感的搅拌针断针检测的装置及方法 |
CN110108803B (zh) * | 2019-05-08 | 2021-10-01 | 上海航天设备制造总厂有限公司 | 一种基于声发射传感的搅拌针断针检测的装置及方法 |
CN111958321A (zh) * | 2020-08-09 | 2020-11-20 | 西北工业大学 | 基于深度神经网络的数控机床刀具磨损程度识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106944877A (zh) | 基于声发射信号的刀具磨损无线智能检测装置 | |
CN203542239U (zh) | 多传感器刀具磨损检测装置 | |
CN108196514A (zh) | 一种数控机床运行状态远程监控方法 | |
CN201776666U (zh) | 刀具磨损检测仪 | |
CN105345247A (zh) | 电阻焊焊机焊接质量在线监控系统 | |
CN202092668U (zh) | 可自由组网的无线灌浆数据监测系统 | |
CN105058165A (zh) | 基于振动信号的刀具磨损量监测系统 | |
CN108873813A (zh) | 基于数控机床主轴伺服电机电流信号的刀具磨损度检测方法 | |
CN102645270A (zh) | 用于旋转机械的智能双模振动传感器 | |
CN107350900A (zh) | 一种基于断屑时间提取的刀具状态监测方法 | |
CN103786093B (zh) | 一种磨削状态实时监控的图形化检测显示方法 | |
CN205318211U (zh) | 惯量匹配参数式数控机床优化及实时监控系统 | |
CN109778937A (zh) | 一种基于破碎工况的自寻优控制装置及方法 | |
CN103419090A (zh) | 一种机床的振动传感监测装置及方法 | |
CN101833328A (zh) | 无线传感网smt生产制造执行控制系统 | |
CN202092770U (zh) | 一种无线振动测量探头装置 | |
CN111300148A (zh) | 一种电流信号监测刀具磨损的方法 | |
CN104950096A (zh) | 一种土壤参数检测设备及方法 | |
CN104503361B (zh) | 基于多模式融合的齿轮加工过程换刀决策方法 | |
CN107414600A (zh) | 基于多传感器信号的内螺纹低频激振冷挤压机床的加工过程监测方法 | |
CN104162809A (zh) | 一种刀具状态远程监控补偿系统 | |
CN103824434A (zh) | 通用无线数据采集装置及方法 | |
CN111168470A (zh) | 一种机床刀具故障测试系统 | |
CN110744359A (zh) | 一种数控车床刀具磨损监测系统及方法 | |
CN101303248A (zh) | 一种快速抄表现场打印系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170714 |