CN106960212A - 一种车内环境热舒适度的评价方法 - Google Patents
一种车内环境热舒适度的评价方法 Download PDFInfo
- Publication number
- CN106960212A CN106960212A CN201611210280.4A CN201611210280A CN106960212A CN 106960212 A CN106960212 A CN 106960212A CN 201611210280 A CN201611210280 A CN 201611210280A CN 106960212 A CN106960212 A CN 106960212A
- Authority
- CN
- China
- Prior art keywords
- formula
- pmv
- environment inside
- inside car
- class
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Air Conditioning Control Device (AREA)
Abstract
一种车内环境热舒适度的评价方法,包括;通过传感器设备在不同工况条件下采集车内温度、相对湿度和空气流速;将采集的数据通过PMV模型进行计算,得到PMV值,并使用FCM算法对PMV值进行聚类,将车内热舒适度划分为热、舒适和冷三类,以得到每类的聚类中心;对于待评价的车内环境,通过测得温度、相对湿度和空气流速数据,以计算出其PMV值,并分别求出该值与3类聚类中心的欧几里德距离,其最短距离所对应的聚类中心所属类即为该工况的隶属类。本方法避免了直接使用PMV模型产生的缺陷,能够较为准确的对车内热舒适度进行评价和分类。
Description
技术领域
本发明涉及一种车内热舒适度的评价方法。
技术背景
车载信息服务的智能化、车辆的安全和节能是智能汽车当前及未来发展的主要方向。而且随着汽车已经超越代步工具,成为一种特殊的生活方式,其舒适性越来越成为汽车制造厂商的重要研究方向。其中,热舒适作为汽车舒适度的重要指标,在评价汽车舒适性方面起着非常重要的作用,且在车内能够创造一个满足人体需求的热舒适环境也是汽车的一个最基本的功能。
从热舒适的评价方式看,对车内环境进行热舒适评价分类的方法主要有两种:第一种是通过对汽车环境的所属体,即汽车进行整体建模,通过物理学、材料学、热力学、空气动力学等多门学科的相关知识,对汽车整体进行数学模型的建立,从而对该环境进行热舒适评价;第二种是通过测量汽车环境中的某一些环境参数,通过数学模型或者相关算法进行计算的方式,获得该环境的热舒适评价和分类。
在上述评价方式中,第一种方式能够根据不同汽车存在的差异,包括体积、形状、材料、空调系统等多个方面的不同,建立差异化的数学模型,通过该模型建立的评价体系也比较准确,但是由于该方法在使用时,需要对不同汽车建立不同的数学模型,因此该方法不具有可重复性,且存在建模过程复杂,实施难度大等多个缺点。而第二种方法在这方面则优秀很多,该方法只需要测量当前车内环境的相关参数,通过数学模型或者算法即可完成热舒适评价,因此该方法具有操作简单,可复制,计算快速等多个优点,且该方法也能够进行相对准确的分类。
在多种评价热舒适的算法或者模型中,PMV模型是认知度最高,应用最为广泛,且也是非常科学的一种模型,其通过环境中四个影响因素和人体自身的两个影响因素即可完成人体在当前环境中的热舒适度评价,其四个环境影响因素包括:空气温度、相对湿度、空气流速、平均辐射温度,两个人体自身影响因素包括:新陈代谢率和服装热阻。
上述的PMV模型在评价人体热舒适度时,具有计算量小,计算复杂度低,计算速度快等多个优点,但是由于其本身是基于统计学的模型算法,且主要应用于建筑领域,因此在车内环境中,直接应用该模型也存在着分类冗余、计算结果越界等缺陷,且PMV模型的分类方法属于硬性分类,在用于评价人体热舒适时,会出现分类结果不准确的情况。
模糊C-均值聚类(FCM)算法是目前较为成熟的一种聚类算法,其聚类过程完全依据聚类中心与数据之间的距离,因此通过FCM算法可以有效的解决在车内环境中直接使用PMV 算法所产生的缺陷。
发明内容
为克服在车内环境中直接使用PMV模型所产生的分类冗余、计算结果越界以及硬性分类产生的分类不准确等缺陷,本发明提供了一种在车内环境中能够较为准确的对其热舒适进行分类的方法。
本发明所述的一种车内热舒适度的评价方法包括以下步骤:
1)在多种工况下,通过传感器设备,采集足够多的车内环境数据,包括温度、相对湿度和空气流速数据。
2)在步骤1)的基础上,使用PMV模型,结合车内环境的实际情况,对PMV模型中的相关参数进行标定,并将步骤1)采集到的数据带入模型进行计算,所述PMV模型的描述如式(1)所示:
式中,e为自然常数,M为人体能量代谢率,W为人体单位表面积所做的机械功;Pa为环境空气中水蒸气分压力;fcl为人体服装覆盖面积与裸露面积之比,即着衣面积系数;tr为平均辐射温度;ta为人体周围的空气温度;tcl和hc分别为服装外表面温度和为对流换热系数。
3)在步骤2)基础上,使用FCM模糊聚类算法,对该算法的相关参数进行初始化,并将步骤2)中计算所得到的PMV值进行模糊聚类,以获得相应的聚类中心。
4)在评价指定车内工况时,通过步骤1)所述的传感器设备,测得指定工况下的温度、相对湿度和空气流速数据,再通过步骤2)中完成标定后的PMV模型计算出该工况下的PMV 值。
5)分别计算出步骤4)中所得的PMV值与步骤3)中得到的聚类中心之间的欧几里德距离。
6)比较步骤5)中得到的欧几里德距离,获取其最小值,则该距离对应的聚类中心所对应的类即为该工况的隶属类。
在步骤1)中,所述的多种工况包括但不限于多个地区、多个季节、多种天气以及一天中的多个时间段;所述的传感器设备包括但不限于温度计、湿度计、风速仪以及此类的相关设备。
在步骤2)中所述的PMV模型相关参数标定方法包括但不限于通过相关国内、国际标准进行标定;通过期刊文献相关资料进行标定;通过实验进行标定以及通过其他算法间接进行标定。
在步骤2)中所述的环境空气中水蒸气分压力Pa的计算方程为:其中,为相对湿度,Ps为饱和水蒸气分压力,Ps可采用泰登公式,其方程如式(2)所示。着衣面积系数fcl的计算方程如式(3)所示,式中,Icl为服装热阻。服装外表面温度tcl和对流换热系数hc之间的关系方程如式(4)和式(5)所示,式中,va为人体周围的相对气流速度。
Ps=610.6exp[(17.260ta)/(ta+273.3)] (2)
步骤3)中,FCM聚类算法的聚类迭代过程包括以下步骤:
(3.1)初始化聚类数为3,根据实际情况初始化隶属度矩阵U;
(3.2)通过式(6)计算获得聚类中心矩阵V=[v1,v2,v3],式中,uik为隶属度矩阵元素, xk为输入的待聚类矩阵元素,m为模糊加权指数;
(3.3)通过式(7)计算价值函数,式中,dik=||xk-vi||表示第i个聚类中心与第k个数据点的欧几里德距离;
(3.4)根据步骤(3.3)中计算结果,判断价值函数两次迭代的变化值是否小于设定阀值,如果是,则算法停止,否则重新通过式(8)计算隶属度矩阵并返回步骤(3.2)。
本发明的优点是:用户可根据温湿度传感器设备对车内的环境进行实时监测,获得车内的热舒适度情况,既可以指导用户手动开关空调以及加湿器等设备,更可以为智能车以及无人车对车内环境进行监测并获得反馈提供技术支持。本发明的突出贡献在于,通过简单的设备和本发明的方法,为驾乘人员提供一种实时监测车内环境舒适度的工具,并以此形成反馈调节,提高驾乘人员的乘车体验。
附图说明
图1是本发明的步骤流程示意图;
图2是本发明实施案例中采集到的夏季工况温度变化曲线图;
图3是本发明实施案例中采集到的夏季工况相对湿度变化曲线图;
图4是本发明实施案例中采集到的冬季工况温度变化曲线图;
图5是本发明实施案例中采集到的冬季工况相对湿度变化曲线图;
图6是本发明实施案例中PMV模型在夏季工况下计算所得的PMV值变化曲线图;
图7是本发明实施案例中PMV模型在冬季工况下计算所得的PMV值变化曲线图;
图8是本发明实施案例中FCM聚类算法的计算流程图;
图9是本发明实施案例中夏季和冬季的某一次实验的隶属类变化曲线图。
具体实施方式
为说明本发明的技术特点,下面结合附图对本发明的具体实施步骤进一步的描述。此处所描述的具体实施案例仅仅用于解释本发明,而不是限定本发明。
对于本案例,其建立车内环境热舒适度的评价体系的方法包括以下步骤,如附图1所示:
1)在多种工况下,通过传感器设备,采集足够多的车内环境数据,包括空气温度、相对湿度和空气流速数据。
2)在步骤1)的基础上,使用PMV模型,结合车内环境的实际情况,对PMV模型中的相关参数进行标定,并将步骤1)采集到的数据带入模型进行计算,所述PMV模型的描述如式(1)所示:
式中,e为自然常数,M为人体能量代谢率,W为人体单位表面积所做的机械功;Pa为环境空气中水蒸气分压力;fcl为人体服装覆盖面积与裸露面积之比,即着衣面积系数;tr为平均辐射温度;ta为人体周围的空气温度;tcl和hc分别为服装外表面温度和为对流换热系数。
3)在步骤2)基础上,使用FCM模糊聚类算法,对该算法的相关参数进行初始化,并将步骤2)中计算所得到的PMV值进行模糊聚类,以获得相应的聚类中心。
4)对于待评价的车内工况,通过步骤1)所述的传感器设备,测得指定工况下的空气温度、相对湿度和空气流速数据,再通过步骤2)中完成标定后的PMV模型计算出该工况下的 PMV值。
5)分别计算出步骤4)中所得到的PMV值与步骤3)中得到的聚类中心之间的欧几里德距离。
6)比较步骤5)中得到的欧几里德距离,获取其最小值,则该距离对应的聚类中心所对应的类即为该工况的隶属类。
步骤1)中所述的多种工况,在该案例下包括冬季和夏季两个季节,每个季节中某一天的上午、中午、下午和晚上四个时间段;所述的传感器设备包括温度计、湿度计和风速仪。
步骤1)中所述的测量数据如下:在夏季工况下测得的温度变化曲线图如附图2所示,在夏季工况下测得的相对湿度变化曲线图如附图3所示,在冬季工况下测得的温度变化曲线图如附图4所示,在冬季工况下测得的相对湿度变化曲线图如图5所示,测得的空气流速分别为冬季0.5m/s,夏季1.0m/s。
步骤2)中所述的PMV模型相关参数标定如下:
参考相关国际标准,在放松坐姿情况下,人体新陈代谢率取为1Met,在轻微活动情况下,新陈代谢率取为1.2Met;参考相关文献,坐在车内情况下,人体所做的功可视为0。
步骤2)中所述的环境空气中水蒸气分压力Pa的计算方程为:其中,为相对湿度,Ps为饱和水蒸气分压力,Ps可采用泰登公式,其方程如式(2)所示。着衣面积系数fcl的计算方程如式(3)所示,式中,Icl为服装热阻,冬季情况下可取值为1.5clo,夏季情况下取为0.3clo。服装外表面温度tcl和对流换热系数hc之间的关系方程如式(4)和式(5)所示,式中,va为人体周围的相对气流速度,空气流速在冬季情况下可取为0.5m/s,夏季情况下可取为1.0m/s。
Ps=610.6exp[(17.260ta)/(ta+273.3)] (2)
步骤2)中,所述PMV模型的计算结果如下:在夏季工况下所计算得到的PMV值变化曲线如附图6所示,在冬季工况下所计算得到的PMV值变化曲线图如附图7所示。
步骤3)中,所述的FCM聚类算法的计算迭代过程包括以下步骤,如附图8所示:
(3.1)初始化聚类数为3,根据PMV模型的分类标准,其热舒适较为合适的区间为(-1,1),故隶属度矩阵可取为U=[-1,0,1];
(3.2)通过式(6)计算获得聚类中心矩阵V=[v1,v2,v3],式中,uik为隶属度矩阵元素, xk为输入的待聚类矩阵元素,m为模糊加权指数;
(3.3)通过式(7)计算价值函数,式中,dik=||xk-vi||表示第i个聚类中心与第k个数据点的欧几里德距离;
(3.4)根据步骤(3.3)中计算结果,判断价值函数两次迭代的变化值是否小于10-5,如果是,则算法停止,否则重新通过式(8)计算隶属度矩阵并返回步骤(3.2)。
步骤3)中,所述的FCM聚类算法完成聚类后,在该案例情况下,计算所得到的聚类中心矩阵V=[-0.0114,0.9879,-1.7319]。
对于本案例,在完成上述评价体系的建立之后,对指定的车内环境工况进行评价时包括以下步骤:
1)通过上述建立评价方法流程中步骤1)所述方法,采集当前工况下的空气温度、相对湿度和空气流速数据。
2)根据上述建立评价方法流程中步骤2)所述的PMV模型,计算出当前工况下的PMV值。
3)分别计算步骤2)中所得到的PMV值与上述评价方法建立完成后所得到的三类的聚类中心之间的欧几里德距离。
4)通过比较步骤3)中计算得到的欧几里德距离,获取其最小值,则该最短距离对应的剧烈中心所对应的类即为该工况的隶属类。
根据上述所述的步骤,分别对夏季和冬季的某一次实验进行分类,其隶属类的变化曲线图如附图9所示。
本案例的实验结果表明,通过对PMV模型计算所得到的PMV值进行FCM模糊聚类,从而得到“冷”类、“热”类和“舒适”类这三类的聚类中心,不但改善了PMV模型应用于车内环境中存在的缺陷和问题,同时也给出了科学的、精确的评价标准。因此,本发明能够准确的对车内热舒适进行评价和分类,给车载空调的控制提供参考。
本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举,本发明的保护范围不应当被视为仅限于实施例所陈述的具体形式,本发明的保护范围也及于本领域技术人员根据本发明构思所能够想到的等同技术手段。
Claims (4)
1.一种车内环境热舒适度的评价方法,其特征在于,所述车内空间的热舒适度评价方法包括以下步骤:
1)通过传感器设备,采集车内环境数据,获得车内环境数据样本集;
2)结合车内环境对PMV模型中的参数进行标定,并将所述采集的车内环境数据样本集带入PMV模型进行计算,获得PMV值样本集;
3)采用FCM模糊聚类算法将所述PMV值样本集聚为冷、舒适和热3类,并获得相应的聚类中心;
4)在评价车内热舒适度时,通过所述传感器设备测得当前车内的温度、相对湿度和空气流速数据,再通过步骤2)中完成标定后的PMV模型计算出PMV值;
5)分别计算出步骤4)中所得到的PMV值与步骤3)中得到的各个聚类中心之间的欧几里德距离;
6)步骤5)中最小的欧几里德距离值所对应的类即为当前车内热舒适度所属类别。
2.如权利要求1所述,其特征在于:在所述步骤1)中,所述车内环境包括但不限于多个地区、多个季节、多种天气以及一天中的多个时间段;所述传感器设备包括但不限于温度计、湿度计、风速仪传感器设备。
3.如权利要求1所述,其特征在于:在所述步骤2)中PMV模型相关参数的标定方法包括但不限于通过相关国内、国际标准进行标定;通过期刊文献相关资料进行标定;通过实验进行标定;
在步骤2)中所述的PMV值计算方程如式(1)所示,式中,e为自然常数,M为人体能量代谢率,W为人体单位表面积所做的机械功;Pa为环境空气中水蒸气分压力;fcl为人体服装覆盖面积与裸露面积之比,即着衣面积系数;tr为平均辐射温度;ta为人体周围的空气温度;tcl和hc分别为服装外表面温度和为对流换热系数;
在式1)中所述的环境空气中水蒸气分压力Pa的计算方程为:其中,为相对湿度,Ps为饱和水蒸气分压力,Ps可采用泰登公式,其方程如式(2)所示。着衣面积系数fcl的计算方程如式(3)所示,式中,Icl为服装热阻;服装外表面温度tcl和对流换热系数hc之间的关系方程如式(4)和式(5)所示,式中,va为人体周围的相对气流速度;
Ps=610.6exp[(17.260ta)/(ta+273.3)] (2)
。
4.如权利要求1所述,其特征在于:步骤3)中,FCM聚类算法的聚类迭代过程包括以下步骤:
(3.1)初始化聚类数为3,根据实际情况初始化隶属度矩阵U;
(3.2)通过式(6)计算获得聚类中心矩阵V=[v1,v2,v3],所述式(6)中,uik为隶属度矩阵元素,xk为输入的待聚类矩阵元素,m为模糊加权指数;
(3.3)通过式(7)计算价值函数,式中,dik=||xk-vi||表示第i个聚类中心与第k个数据点的欧几里德距离;
(3.4)根据步骤(3.3)中计算结果,判断价值函数是否为最小值,如果是,则算法停止,否则重新通过式(8)计算隶属度矩阵并返回步骤(3.2);
。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611210280.4A CN106960212A (zh) | 2016-12-24 | 2016-12-24 | 一种车内环境热舒适度的评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611210280.4A CN106960212A (zh) | 2016-12-24 | 2016-12-24 | 一种车内环境热舒适度的评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106960212A true CN106960212A (zh) | 2017-07-18 |
Family
ID=59480871
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611210280.4A Pending CN106960212A (zh) | 2016-12-24 | 2016-12-24 | 一种车内环境热舒适度的评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106960212A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107860423A (zh) * | 2017-10-19 | 2018-03-30 | 奇瑞汽车股份有限公司 | 汽车车内环境体感热舒适性测试假人 |
CN108382395A (zh) * | 2018-04-03 | 2018-08-10 | 浙江工业大学 | 一种提高公交车乘坐舒适性的智能辅助系统 |
CN110671795A (zh) * | 2019-11-29 | 2020-01-10 | 北方工业大学 | 一种基于人工智能的宜居环境系统及其使用方法 |
CN111397117A (zh) * | 2020-03-10 | 2020-07-10 | 珠海派诺科技股份有限公司 | 基于大数据的舒适度预测方法、智能终端、存储装置 |
CN115545507A (zh) * | 2022-10-17 | 2022-12-30 | 哈尔滨工业大学 | 室内空间热舒适度评价方法、装置及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104102789A (zh) * | 2014-07-28 | 2014-10-15 | 重庆大学 | 一种建筑热湿环境等级的评估系统及方法 |
-
2016
- 2016-12-24 CN CN201611210280.4A patent/CN106960212A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104102789A (zh) * | 2014-07-28 | 2014-10-15 | 重庆大学 | 一种建筑热湿环境等级的评估系统及方法 |
Non-Patent Citations (3)
Title |
---|
徐巍,陈祥光等: "基于模糊C-均值聚类与支持向量机的PMV指标预测系统", 《系统工程理论与实践》 * |
罗俊玮: "基于FCM的类合并聚类算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
蒋延炜: "基于PMV指标的建筑智能热湿环境控制原理及方法的研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107860423A (zh) * | 2017-10-19 | 2018-03-30 | 奇瑞汽车股份有限公司 | 汽车车内环境体感热舒适性测试假人 |
CN108382395A (zh) * | 2018-04-03 | 2018-08-10 | 浙江工业大学 | 一种提高公交车乘坐舒适性的智能辅助系统 |
CN108382395B (zh) * | 2018-04-03 | 2023-06-27 | 浙江工业大学 | 一种提高公交车乘坐舒适性的智能辅助系统 |
CN110671795A (zh) * | 2019-11-29 | 2020-01-10 | 北方工业大学 | 一种基于人工智能的宜居环境系统及其使用方法 |
CN111397117A (zh) * | 2020-03-10 | 2020-07-10 | 珠海派诺科技股份有限公司 | 基于大数据的舒适度预测方法、智能终端、存储装置 |
CN115545507A (zh) * | 2022-10-17 | 2022-12-30 | 哈尔滨工业大学 | 室内空间热舒适度评价方法、装置及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106960212A (zh) | 一种车内环境热舒适度的评价方法 | |
Zhou et al. | Experimental investigation of thermal comfort in a passenger car under driving conditions | |
CN107167178B (zh) | 车内环境检测方法及检测系统 | |
Perundyurai et al. | K-nearest neighbour technique for the effective prediction of refrigeration parameter compatible for automobile | |
CN106152387B (zh) | 一种用于室内热舒适度的检测方法 | |
Irshad et al. | Utilizing artificial neural network for prediction of occupants thermal comfort: A case study of a test room fitted with a thermoelectric air-conditioning system | |
CN106352475A (zh) | 空调器神经网络的训练样本采集方法及装置和空调系统 | |
CN112560173B (zh) | 一种基于深度学习的车辆耐候性温度预测方法及装置 | |
Kolokotroni et al. | Heating and cooling degree day prediction within the London urban heat island area | |
Musat et al. | Parameters and models of the vehicle thermal comfort | |
CN206223233U (zh) | 一种用于大型客舱环境舒适度评价的模拟实验系统 | |
CN109435630B (zh) | 一种基于人工神经网络算法的乘员舱温度控制方法 | |
CN1971268A (zh) | 一种在室内空调环境中的人体舒适度评价方法 | |
CN108572087B (zh) | 温度试验箱的参数测试方法及其系统 | |
CN110033172A (zh) | 一种能效多维度评价方法、装置及系统 | |
Damiati et al. | Comfort temperature in air conditioned office buildings: Case study of Indonesia and Singapore | |
Gnecco et al. | Long-term thermal comfort monitoring using wearable devices | |
Ran Yoon et al. | Gaussian Process Regression for a PMV Prediction Model using Environmental Monitoring Data | |
Alizadeh et al. | A Critical Review and Future Prospects of Control-Oriented HVAC Modelling Strategies in Electric Vehicles | |
Wöhrle | Vehicular Climatization Effectiveness: Application of Thermal Perception Models for the Assessment of Direct Passenger Conditioning Concepts in Vehicles | |
Petre et al. | An Examination of Comfort and Sensation for Manual and Automatic Controls of the Vehicle HVAC System | |
CN112907918B (zh) | 影响人体散热舒适度的环境指标测量及提示方法及装置 | |
Xu et al. | Prediction Models of Overall Thermal Sensation and Comfort in Vehicle Cabin Based on Field Experiments | |
Zang et al. | Defining the thermal sensitivity (Griffiths constant) of passengers at Chinese high-speed railway station in transition season | |
da Luz et al. | The use of cluster analysis to assess thermal comfort in university classrooms |
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 |
Application publication date: 20170718 |
|
RJ01 | Rejection of invention patent application after publication |