CN106991216B - 汽车冷却模块引起方向盘抖动的稳健性预估及优化方法 - Google Patents
汽车冷却模块引起方向盘抖动的稳健性预估及优化方法 Download PDFInfo
- Publication number
- CN106991216B CN106991216B CN201710157583.2A CN201710157583A CN106991216B CN 106991216 B CN106991216 B CN 106991216B CN 201710157583 A CN201710157583 A CN 201710157583A CN 106991216 B CN106991216 B CN 106991216B
- Authority
- CN
- China
- Prior art keywords
- steering wheel
- analysis
- cooling module
- optimization
- robustness
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/18—Manufacturability analysis or optimisation for manufacturability
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Abstract
本发明公开了一种汽车冷却模块引起方向盘抖动的稳健性预估及优化方法,包括以下步骤:A.问题识别及P图分析;B.DOE分析;C.近似模型搭建及精度验证;D.蒙特卡罗分析;E.6Sigma稳健性分析;F.6Sigma稳健性设计优化;G.重点关注区域蒙特卡罗分析;H.优化方案试验验证。本发明能够更加准确地评估冷却模块的NVH性能,并能够找到满足6Sigma质量控制要求的优化方案。
Description
技术领域
本发明属于汽车NVH技术领域,具体涉及一种汽车冷却模块引起方向盘抖动的稳健性预估及优化方法。
背景技术
汽车冷却模块包括冷凝器、散热器、风扇及中冷器,分别对空调系统、发动机、变速箱及进气系统进行热交换的作用。冷却模块通过四个隔振垫安装在机舱前端模块上,由于风扇转子不平衡量的存在,冷却模块系统受到风扇转动的周期性激励,振动通过冷却模块系统、隔振垫、前端模块、纵梁、前壁板、侧围、地板等路径传递到方向盘上,方向盘振动水平常常作为整车NVH性能评价的一个重要指标。
目前,在计算机仿真领域,方向盘振动水平通常采用整车振动传递函数进行评估,该方法对隔振垫的被动侧安装支架上施加整车坐标下XYZ三个方向的单位力,然后求解方向盘上的加速度响应。但该方法存在以下缺点:
(a)整车NVH分析模型中冷却模块以质量质心模型简化,没有建立详细模型;
(b)该方法评价的是灵敏度,不能得到在实际激励下方向盘的加速度响应;
(c)该方法无法考虑风扇转子不平衡量波动、隔振垫刚度波动及生产制造公差等不确定因素。
因此,有必要开发一种新的汽车冷却模块引起方向盘抖动的稳健性预估及优化方法。
发明内容
本发明的目的是提供一种汽车冷却模块引起方向盘抖动的稳健性预估及优化方法,它能更加准确评估冷却模块的NVH性能,并能找到满足6Sigma质量控制要求的优化方案。
本发明所述的汽车冷却模块引起方向盘抖动的稳健性预估及优化方法,包括以下步骤:
A.问题识别及P图分析
根据客户问题反馈和试验测试数据,分析得到冷却模块风扇转动是引起方向盘抖动过大的主要原因;
对冷却模块风扇转动引起方向盘抖动的问题进行P图分析,确定问题的三个输入状态与两个输出状态,得出冷却模块引起方向盘抖动的相关参数,其中:三个输入状态分别是输入信号、控制因子和噪声因子,两个输出状态分别是理想状态和失效状态;
B. DOE分析
搭建冷却模块详细模型下的整车NVH仿真模型,对冷却模块引起方向盘抖动的相关参数进行参数化,采用正交试验方法进行DOE矩阵设计,生成并批量计算DOE样本点,进行试验设计数据挖掘,并基于数据挖掘结果进行贡献量及相关性分析,找出影响方向盘加速度响应的主要影响因素;
C.近似模型搭建及精度验证
基于DOE样本点采用径向基函数神经网络方法构造近似模型,并对近似模型的精度进行验证,当近似模型的精度低于a%时,则增加DOE样本点进行近似模型重构,直到近似模型的精度大于a%;
D.蒙特卡罗分析
基于近似模型采用描述性抽样方法进行模拟,确定设计参数分布规律,建立蒙特卡罗分析模型,求得方向盘上加速度的响应分布,对方向盘加速度响应分布进行识别确定其分布规律;
E.6Sigma稳健性分析
基于蒙特卡罗方法进行6Sigma稳健性分析,评估方向盘各方向加速度响应6Sigma水平、6Sigma曲线及性能目标达成的可靠性;
F.6Sigma稳健性设计优化
采用自适应模拟退火法建立6Sigma稳健性优化模型,定义6Sigma稳健性优化模型的三要素:设计变量、约束条件、优化目标,得到数个优化方案,根据设计、制造可行性因素选出满足工程需求的优化方案;
G. 重点关注区域蒙特卡罗分析
G1、基于稳健性优化方案参数附近进行蒙特卡罗分析抽样产生DOE设计矩阵,生成新增DOE样本点,再重构近似模型并进行精度验证,当近似模型的精度低于b%时,则需要增加DOE样本点,再进行近似模型重构,当近似模型的精度大于b%,则进入步骤G2;
G2、对近似模型进行6Sigma稳健性优化,并将确定的优化方案参数代入整车NVH分析模型分析,验证优化后的方向盘抖动相对于优化前是否有明显改善,若改善不明显,则再重复执行步骤G1到步骤G2,若明显改善,则进入步骤H;
H.优化方案试验验证
采用优化方案参数进行样件试制,并在实车上进行试验验证。
所述输入信号为风扇转动激励;
所述控制因子为冷却模块系统结构、隔振垫的设计刚度和风扇不平衡量的上限值;
所述噪声因子为隔振垫刚度波动、风扇不平衡量波动、风扇壳体及转子刚度波动和机舱结构刚度波动;
所述理想状态为方向盘振动无明显感知;
所述失效状态为方向盘振动明显;
所述a%为85%~100%中的任意值;
所述b%为90%~100%中的任意值。
本发明的有益效果:本方法能够精确地模拟冷却模块在风扇转子不平衡量波动、隔振垫刚度波动及生产制造公差下,分析得到方向盘的实际加速度的响应分布规律,并进行6Sigma稳健性评估及设计优化。在新产品的研发过程中该方法能对冷却模块的NVH性能进行有效的把控;该方法成本低、效率高,能够有效地缩短新产品研发周期,提高了整车性能开发品质,改善了用户的NVH性能体验。
附图说明
图1为本发明的流程图。
具体实施方式
下面结合附图对本发明作进一步说明。
如图1所示的汽车冷却模块引起方向盘抖动的稳健性预估及优化方法,包括以下步骤:
A.问题识别及P图分析
问题识别:根据客户问题反馈和试验测试数据,分析得到冷却模块风扇转动是引起方向盘抖动过大的主要原因。
P图分析:对冷却模块风扇转动引起方向盘抖动的问题进行P图分析,确定问题的三个输入状态与两个输出状态,得出冷却模块引起方向盘抖动的相关参数,其中:三个输入状态分别是输入信号、控制因子和噪声因子,两个输出状态分别是理想状态和失效状态。输入信号:风扇转动激励;控制因子:冷却模块系统结构、隔振垫的设计刚度和风扇不平衡量的上限值;噪声因子:隔振垫刚度波动、风扇不平衡量波动、风扇壳体及转子刚度波动和机舱结构刚度波动;理想状态:方向盘振动无明显感知;失效状态:方向盘振动明显。
B. DOE分析
建立整车NVH仿真模型:建立冷却模块详细有限元模型,激励为风扇不平衡量上限为30g.mm,加载位置为风扇轴心处,进而搭建冷却模型详细模型下的整车NVH仿真模型,分析得到方向盘上的加速度响应。
DOE(即试验设计)分析(包括参数化、DOE矩阵、DOE样本点批量计算、方向盘加速度响应批量提取以及数据挖掘):
应用Isight软件中Data Exchanger工具对冷却模块引起方向盘抖动的相关参数进行参数化,主要包括风扇不平衡量、隔振垫刚度及机舱纵梁刚度等13个设计变量,为保证试验设计水平的整齐可比性及后期近似模型的精度,采用正交试验方法进行DOE矩阵设计,设计矩阵为13因素4水平,试验次数为64。DOE样本点生成:a.应用Isight软件中DOE进行矩阵设计,产生64个DOE样本点对应的仿真模型;b.应用Isight软件中LOOP循环批量计算功能,求解64个DOE样本点结果;c.应用Isight软件中Data Exchanger对方向盘上加速度响应进行参数化,并进行加速度响应结果的批量提取;d.数据挖掘,基于数据挖掘的结果进行贡献量及相关性分析,找到了影响方向盘加速度响应的主要影响因素,即为风扇不平衡量、隔振垫主方向刚度等。
C.近似模型搭建及精度验证
近似模型搭建:基于DOE样本点采用径向基函数神经网络方法构造近似模型。
精度验证:对近似模型进行精度验证,若精度不满足要求(比如:近似模型的精度低于85%)时,则需要增加DOE样本点,再进行近似模型的重构,直到近似模型的精度大于85%,若近似模型的精度满足要求(即近似模型的精度大于85%)时,则进行蒙特卡罗分析。
D.蒙特卡罗分析(包括抽样方法、定义输入参数分布、方向盘加速度响应分布和参数波动灵敏度分析):
蒙特卡罗分析基于近似模型采用描述性抽样方法进行模拟,模拟抽样点数为300。输入参数分布规律定义:a.首先通过试验测试得到200组风扇的不平衡量,利用SPSS软件进行KS检验,确定分布规律为正态分布,其均值为15,标准差为6;b.考虑隔振垫刚度波动30%,考虑制造公差,纵梁及风扇刚度波动1%,根据经验假设隔振垫刚度、纵梁及风扇刚度满足正态分布,由此可得隔振垫刚度的变异系数为0.05,纵梁及风扇刚度的变异系数为0.0017,标准差为对应的设计值与变异系数的乘积。由此基于近似模型求得方向盘加速度的响应分布,对方向盘加速度响应分布进行识别并确定了响应满足正态分布;对参数波动进行灵敏度分析,得到方向盘上加速度响应对风扇不平衡量的波动最敏感。
E.6Sigma稳健性分析(包括方向盘各方向加速度响应Sigma水平和方向盘各方向加速度响应6Sigma曲线):
基于蒙特卡罗方法进行6Sigma稳健性分析,评估方向盘各方向加速度响应的6Sigma水平、6Sigma曲线及性能目标达成的可靠性。
F.6Sigma稳健性设计优化(包括优化方法选择、建立优化模型和优化方案确定):
采用自适应模拟退火法建立6Sigma稳健性优化模型,定义优化模型三要素:设计变量、约束条件、优化目标,得到数个优化方案,根据设计、制造可行性因素选出满足工程需求的优化方案;
G. 重点关注区域蒙特卡罗分析
G1、基于稳健性优化方案参数附近进行蒙特卡罗分析抽样产生DOE设计矩阵,采用DOE分析的方案进行求解,生成新增DOE样本点,然后再重构DOE矩阵及响应矩阵。基于重构的DOE设计矩阵及响应矩阵搭建新的近似模型,并进行近似模型精度验证,当近似模型的精度低于b%(比如90%)时,则需要增加DOE样本点,再进行近似模型重构,当近似模型的精度大于b%,则进入步骤G2。
G2、对近似模型进行6Sigma稳健性优化(即采用自适应模拟退火法建立6Sigma稳健性优化模型,定义优化模型三要素:设计变量、约束条件、优化目标,得到数个优化方案,根据设计、制造可行性因素选出满足工程需求的优化方案。),并将确定的优化方案参数代入整车NVH分析模型分析,验证优化后的方向盘抖动相对于优化前是否有明显改善,若改善不明显,则再重复执行步骤G1到步骤G2,若明显改善,则进入步骤H;
H.优化方案试验验证
采用优化方案参数进行样件试制,并在实车上进行试验验证。
本发明中,所述a%为85%~100%中的任意值;所述b%为90%~100%中的任意值。
Claims (2)
1.一种汽车冷却模块引起方向盘抖动的稳健性预估及优化方法,其特征在于,包括以下步骤:
A.问题识别及P图分析
根据客户问题反馈和试验测试数据,分析得到冷却模块风扇转动是引起方向盘抖动过大的主要原因;
对冷却模块风扇转动引起方向盘抖动的问题进行P图分析,确定问题的三个输入状态与两个输出状态,得出冷却模块引起方向盘抖动的相关参数,其中:三个输入状态分别是输入信号、控制因子和噪声因子,两个输出状态分别是理想状态和失效状态;所述输入信号为风扇转动激励;所述控制因子为冷却模块系统结构、隔振垫的设计刚度和风扇不平衡量的上限值;所述噪声因子为隔振垫刚度波动、风扇不平衡量波动、风扇壳体及转子刚度波动和机舱结构刚度波动;所述理想状态为方向盘振动无明显感知;所述失效状态为方向盘振动明显;
B. DOE分析
搭建冷却模块详细模型下的整车NVH仿真模型,对冷却模块引起方向盘抖动的相关参数进行参数化,采用正交试验方法进行DOE矩阵设计,生成并批量计算DOE样本点,进行试验设计数据挖掘,并基于数据挖掘结果进行贡献量及相关性分析,找出影响方向盘加速度响应的主要影响因素;
C.近似模型搭建及精度验证
基于DOE样本点采用径向基函数神经网络方法构造近似模型,并对近似模型的精度进行验证,当近似模型的精度低于a%时,则增加DOE样本点进行近似模型重构,直到近似模型的精度大于a%;
D.蒙特卡罗分析
基于近似模型采用描述性抽样方法进行模拟,确定设计参数分布规律,建立蒙特卡罗分析模型,求得方向盘上加速度的响应分布,对方向盘加速度响应分布进行识别确定其分布规律;
E.6Sigma稳健性分析
基于蒙特卡罗方法进行6Sigma稳健性分析,评估方向盘各方向加速度响应6Sigma水平、6Sigma曲线及性能目标达成的可靠性;
F.6Sigma稳健性设计优化
采用自适应模拟退火法建立6Sigma稳健性优化模型,定义6Sigma稳健性优化模型的三要素:设计变量、约束条件、优化目标,得到数个优化方案,根据设计、制造可行性因素选出满足工程需求的优化方案;
G. 重点关注区域蒙特卡罗分析
G1、基于稳健性优化方案参数附近进行蒙特卡罗分析抽样产生DOE设计矩阵,生成新增DOE样本点,再重构近似模型并进行精度验证,当近似模型的精度低于b%时,则需要增加DOE样本点,再进行近似模型重构,当近似模型的精度大于b%,则进入步骤G2;
G2、对近似模型进行6Sigma稳健性优化,并将确定的优化方案参数代入整车NVH分析模型分析,验证优化后的方向盘抖动相对于优化前是否有明显改善,若改善不明显,则再重复执行步骤G1到步骤G2,若明显改善,则进入步骤H;
H.优化方案试验验证
采用优化方案参数进行样件试制,并在实车上进行试验验证。
2.根据权利要求1所述的汽车冷却模块引起方向盘抖动的稳健性预估及优化方法,其特征在于:所述a%为85%~100%中的任意值;所述b%为90%~100%中的任意值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710157583.2A CN106991216B (zh) | 2017-03-16 | 2017-03-16 | 汽车冷却模块引起方向盘抖动的稳健性预估及优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710157583.2A CN106991216B (zh) | 2017-03-16 | 2017-03-16 | 汽车冷却模块引起方向盘抖动的稳健性预估及优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106991216A CN106991216A (zh) | 2017-07-28 |
CN106991216B true CN106991216B (zh) | 2020-04-07 |
Family
ID=59412055
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710157583.2A Active CN106991216B (zh) | 2017-03-16 | 2017-03-16 | 汽车冷却模块引起方向盘抖动的稳健性预估及优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106991216B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR3071629B1 (fr) * | 2017-09-25 | 2022-01-28 | Safran Aircraft Engines | Etablissement d'une specification de dimensionnement d'un equipement pour structure de turbomachine |
CN108733944B (zh) * | 2018-05-29 | 2020-10-09 | 奇瑞汽车股份有限公司 | 方向盘抖振性能的评价方法及装置 |
CN109711061B (zh) * | 2018-12-28 | 2021-06-04 | 重庆长安汽车股份有限公司 | 基于整车怠速振动性能的动力总成悬置稳健性优化方法 |
CN110807223B (zh) * | 2019-10-24 | 2021-04-06 | 重庆长安汽车股份有限公司 | 一种汽车流水槽支架的多学科优化设计方法 |
CN111222264B (zh) * | 2019-11-01 | 2023-03-03 | 长春英利汽车工业股份有限公司 | 一种复合连续玻璃纤维增强前端模块的制造方法 |
CN111259737B (zh) * | 2020-01-08 | 2023-07-25 | 科大讯飞股份有限公司 | 车辆方向盘故障的预测方法、装置、电子设备及存储介质 |
CN111753463A (zh) * | 2020-05-22 | 2020-10-09 | 重庆长安汽车股份有限公司 | 车辆行驶跑偏主动控制方法 |
CN113184050B (zh) * | 2021-05-31 | 2022-12-09 | 重庆长安汽车股份有限公司 | 一种车辆方向盘摆振的补偿方法及补偿系统 |
CN114112192B (zh) * | 2021-11-26 | 2023-05-02 | 中国汽车工程研究院股份有限公司 | 一种基于传递函数的风扇剩余不平衡量测试分析方法 |
CN114510839A (zh) * | 2022-02-18 | 2022-05-17 | 摩登汽车有限公司 | 汽车冷却风扇引起方向盘振动的优化方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0921386A2 (de) * | 1997-12-08 | 1999-06-09 | Beissbarth GmbH | Verfahren und Vorrichtung zum Prüfen von eingebauten Stossdämpfern |
CN102087801A (zh) * | 2010-12-31 | 2011-06-08 | 北京宣爱智能模拟技术有限公司 | 汽车驾驶模拟器中方向盘自回中与力反馈的系统及方法 |
CN102259569A (zh) * | 2011-04-13 | 2011-11-30 | 浙江吉利汽车研究院有限公司 | 基于乘坐舒适性的反馈式振动控制系统 |
CN102564566A (zh) * | 2012-01-17 | 2012-07-11 | 株洲联诚集团有限责任公司 | 机车冷却塔振动测试系统 |
CN103473395A (zh) * | 2013-08-21 | 2013-12-25 | 奇瑞汽车股份有限公司 | 一种模拟整车在脉冲输入下平顺性的有限元分析方法 |
-
2017
- 2017-03-16 CN CN201710157583.2A patent/CN106991216B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0921386A2 (de) * | 1997-12-08 | 1999-06-09 | Beissbarth GmbH | Verfahren und Vorrichtung zum Prüfen von eingebauten Stossdämpfern |
CN102087801A (zh) * | 2010-12-31 | 2011-06-08 | 北京宣爱智能模拟技术有限公司 | 汽车驾驶模拟器中方向盘自回中与力反馈的系统及方法 |
CN102259569A (zh) * | 2011-04-13 | 2011-11-30 | 浙江吉利汽车研究院有限公司 | 基于乘坐舒适性的反馈式振动控制系统 |
CN102564566A (zh) * | 2012-01-17 | 2012-07-11 | 株洲联诚集团有限责任公司 | 机车冷却塔振动测试系统 |
CN103473395A (zh) * | 2013-08-21 | 2013-12-25 | 奇瑞汽车股份有限公司 | 一种模拟整车在脉冲输入下平顺性的有限元分析方法 |
Non-Patent Citations (1)
Title |
---|
基于DOE的方向盘总成优化分析;王骁贤 等;《机械与电子》;20130324(第03期);74-76 * |
Also Published As
Publication number | Publication date |
---|---|
CN106991216A (zh) | 2017-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106991216B (zh) | 汽车冷却模块引起方向盘抖动的稳健性预估及优化方法 | |
US7788070B2 (en) | Product design optimization method and system | |
US8401827B2 (en) | Processing device and method for structure data representing a physical structure | |
US20060229753A1 (en) | Probabilistic modeling system for product design | |
US20100250202A1 (en) | Symmetric random scatter process for probabilistic modeling system for product design | |
CN109711061A (zh) | 基于整车怠速振动性能的动力总成悬置稳健性优化方法 | |
CN102135466A (zh) | 一种振动模态测试方法 | |
CN111125946B (zh) | 一种基于mdo技术的上车体结构优化方法 | |
Nyssen et al. | Experimental modal identification of mistuning in an academic two-stage drum | |
JP2019507405A (ja) | 統合システム用の共同シミュレーションを構成する方法 | |
CN106354955A (zh) | 一种基于磨机振动模态参数的滑动轴承刚度识别方法 | |
Luegmair et al. | Challenges in vibroacoustic vehicle body simulation including uncertainties | |
CN112069707B (zh) | 一种汽车悬臂构件的评估方法、装置、设备及存储介质 | |
CN114580139A (zh) | 用于自动评估仿真模型的方法 | |
Graeff et al. | NVH test rig for integrating the steering system | |
JP2008286545A (ja) | ゴム部品のシミュレーション方法および装置 | |
US20130179132A1 (en) | Analysis Method, Apparatus and Software for a System With Frequency Dependent Materials | |
Ensor et al. | Optimising simulation and test techniques for efficient vehicle durability design and development | |
KR101836153B1 (ko) | 플랜트 모델 생성 장치 및 방법 | |
CN113609590A (zh) | 车内噪声预测方法、装置、设备及计算机存储介质 | |
Will | CAE-based Robustness Evaluation of Brake Systems | |
Blum et al. | Combining Robustness Evaluation with Current Automotive MDO Application | |
Van der Auweraer et al. | Modal and path contribution models from in-operation data: Review and new approaches | |
CN115855411A (zh) | 一种电池包工装结构模态频率的确定方法及装置 | |
Yang et al. | Virtual rig simulation in the exhaust system development |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |