CN107066775B - 一种刀具车削温升均值的预测方法 - Google Patents

一种刀具车削温升均值的预测方法 Download PDF

Info

Publication number
CN107066775B
CN107066775B CN201610370106.XA CN201610370106A CN107066775B CN 107066775 B CN107066775 B CN 107066775B CN 201610370106 A CN201610370106 A CN 201610370106A CN 107066775 B CN107066775 B CN 107066775B
Authority
CN
China
Prior art keywords
turning
temperature rise
mean value
temperature
vibration
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
Application number
CN201610370106.XA
Other languages
English (en)
Other versions
CN107066775A (zh
Inventor
李顺才
袁冠雷
吴明明
杨睿
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.)
Jiangsu Normal University
Original Assignee
Jiangsu Normal 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 Jiangsu Normal University filed Critical Jiangsu Normal University
Priority to CN201610370106.XA priority Critical patent/CN107066775B/zh
Publication of CN107066775A publication Critical patent/CN107066775A/zh
Application granted granted Critical
Publication of CN107066775B publication Critical patent/CN107066775B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
    • G16Z99/00—Subject matter not provided for in other main groups of this subclass

Abstract

本发明给出了一种刀具温度升高均值的预测方法；将信号采集系统采集到的信号经过处理后获得各次车削试验中的三向加速度均值、温升均值，基于最小二乘法得到刀具温升均值关于车削三向振动加速度及车削参数的多元回归模型，用以预测不同车削参数下、不同车削振动下刀具的平均温度升高值。该方法综合车削振动及车削参数来预测车削温度升高，采用温升值(相对温度)分析车削热，能消除不同环境温度的差异对车削热的影响；还能为理论及数值模拟计算车削热力耦合特性提供一个必要的本构方程，同时一定程度上可以缓解实时测量车削温度的困难。

Description

一种刀具车削温升均值的预测方法
技术领域
本发明涉及机械加工领域，特别是一种刀具车削温升均值的预测方法。
背景技术
车削过程中，刀具与工件之间直接接触。由于刀具与工件之间的挤压、剪切、摩擦等会产生大量的车削热，因此车削刀具温度升高，同时产生车削振动。车削热会导致车削热应力、刀具变软等，从而加速刀具的磨损造成刀具的破损、加工表面粗糙度变大、尺寸精度降低等，同时车削振动也会加剧刀具的磨损及车削温度的升高，因此基于车削振动研究刀具温升有着重要的意义，对于车削过程车削参数的选择、刀具的更换、加工表面质量的控制有着重要的指导意义。
影响车削温度的因素有很多，现有的温度经验公式一般只给出了温度与车削参数的关系，没有考虑车削振动以及环境温度对车削温度的影响。
现有的热力耦合分析中，目前应用的本构方程一般只给出了车削应力与应变及温度的关系，没有考虑车削振动的影响。
发明内容
本发明提供一种刀具车削温升均值的预测方法，包括信号采集系统的设计、车削温升关于车削振动加速度、车削参数之间的回归模型；信号采集系统包括温度采集系统和振动信号采集系统；温度采集系统采集刀具前刀面刀尖处的实时温度及每次车削前刀具测温点的温度(环境温度)；振动信号采集系统采集刀具前刀面刀尖处刀柄下表面处的三向振动加速度信号；将信号采集系统采集到的信号经过处理后获得各次车削试验中的三向加速度均值、温升均值，基于最小二乘法得到刀具温升均值关于车削三向振动加速度及车削参数的多元回归模型。
将信号采集系统采集到的信号经过计算机和MATALAB处理，提取特征值，根据特征值及车削参数建立所需温升均值计算公式。
具体过程如下：
步骤一、按设定的车削参数完成车削试验：
按上面设计的试验系统设计车削参数、拟定试验方案，在车削试验中实时同步采集各车削参数下的三向加速度、温度的时域信号以及每次车削前刀具测温点处的初始温度。
步骤二、按照下述方法对信号进行预处理以获得敏感特征：
将样本集中所有样本的温度信号进行时域分析，获得各参数下的温度-时间曲线，由该时间曲线及测得的初始温度可以计算得到该次车削试验时间内的温升均值，
同理，将样本集中所有样本的三向振动加速度信号进行时域分析，获得三向振动加速度-时间曲线，并进一步得到各次试验中的三向振动加速度均值；
步骤三、整理试验数据得到回归模型所需的数据表：
将各次车削试验中的车削参数(切削速度、背吃刀量、进给速度)、温度升高平均值、三向加速度各向的均值绘制成表，为下步运行程序、调用数据做准备；
步骤四、基于最小二乘法原理拟合上述表中数据，得到车削温升均值的一个多元回归模型；
基于最小二乘法原理，推导出车削温升均值关于车削振动均值及车削参数拟合公式中的未知参量的表达式；再利用MATLAB软件编程求解这些未知参量；
步骤五、计算相关性系数，分析拟合公式的可靠性：
将试验中所用的车削参数及车削振动均值代入车削温升均值拟合公式中，可得到拟合的温升均值，与实测的温升均值进行比较，并计算相关系数，分析预测公式的可靠性。
刀具车削温升均值的预测方法，建立预测公式的具体过程如下：
设刀具温升均值的预测公式为
Figure DEST_PATH_GDA0001280217900000021
其中
Figure DEST_PATH_GDA0001280217900000022
为温升平均值的拟合值，ap、vf、v分别为车削时的背吃刀量、进给速度、车削速度，
Figure DEST_PATH_GDA0001280217900000023
是车削时三向振动加速度某一方向的均值，C是系数，x,y,z,w是指数，
对式(1)两边同时取对数，得到
Figure DEST_PATH_GDA0001280217900000024
对给定的试验数据api,vi,vfi,ai，拟合温升均值
Figure DEST_PATH_GDA0001280217900000025
与实测温升均值
Figure DEST_PATH_GDA0001280217900000026
的对数误差为
Figure DEST_PATH_GDA0001280217900000031
由最小二乘法，各次试验误差的平方差
Figure DEST_PATH_GDA0001280217900000032
令
Figure DEST_PATH_GDA0001280217900000033
设lnC＝η，则由
Figure DEST_PATH_GDA0001280217900000034
分别得到五个关于x,y,z,w,η的方程，
Figure DEST_PATH_GDA0001280217900000035
Figure DEST_PATH_GDA0001280217900000036
Figure DEST_PATH_GDA0001280217900000037
Figure DEST_PATH_GDA0001280217900000038
Figure DEST_PATH_GDA0001280217900000039
Figure DEST_PATH_GDA00012802179000000310
Figure DEST_PATH_GDA00012802179000000311
Figure DEST_PATH_GDA00012802179000000312
Figure DEST_PATH_GDA00012802179000000313
Figure DEST_PATH_GDA00012802179000000314
运用克莱姆法则可得到：
Figure DEST_PATH_GDA0001280217900000041
通过MATLAB编程(程序1)解出x,y,z,w,C的值；
程序1：
Figure DEST_PATH_GDA0001280217900000042
Figure DEST_PATH_GDA0001280217900000051
Figure DEST_PATH_GDA0001280217900000061
其中，
Figure DEST_PATH_GDA0001280217900000062
Figure DEST_PATH_GDA0001280217900000063
得到x,y,z,w,η，从而就得到了温升均值的拟合方程
Figure DEST_PATH_GDA0001280217900000071
在上述程序的基础上运用下面程序(程序2)得到拟合温升均值与实测温升均值的相关性系数及相关性为零的概率值，确定刀具车削温升与车削振动及车削参数之间的相关密切程度，并可进一步绘制拟合温升均值与实测温升均值的对比曲线；
程序2：
Figure DEST_PATH_GDA0001280217900000072
本发明提出了对于给定的刀具，在设定车削参数的车削过程中，由振动信号采集系统采集刀具前刀面刀尖处刀柄下表面处的三向振动加速度信号，依据车削过程中某一方向的振动加速度均值及车削参数，可以预测车削过程中刀具前刀面刀尖附近的温度升高均值。
该方法综合车削振动及车削参数来预测车削温度升高，不同于以往文献中的车削温度计算公式(一般只给出了温度和车削参数的关系，没有考虑车削振动对车削温升的影响)；该方法采用温升值(相对温度)分析车削热，能消除不同环境温度的差异对车削热的影响；该预测公式还能为理论及数值模拟计算车削热力耦合特性提供一个必要的本构方程；由于车削振动相对于车削温度容易测量，该方法一定程度上可以缓解实时测量车削温度的困难。
该种刀具车削温升均值的预测方法适用于数控机床和普通机床刀具温升模型的建立，其原理及所用传感器也同样适用于铣床刀具温升模型的建立；
该预测方法简单适用，操作方便，使用的传感器比较通用、价格便宜，易于组建试验系统，大大减少了试验成本，能够为在无温度测试设备条件下提供一种预测车削过程中刀具温升均值的方法。
附图说明
图1温升预测原理框图。
图2车削温度时间曲线图。
图3车削温升时间曲线图。
图4轴向振动加速度时间曲线图。
图5径向振动加速度时间曲线图。
图6切向振动加速度时间曲线图。
图7由轴向振动数据及车削参数拟合得到的温升均值曲线。
图8由径向振动数据及车削参数拟合得到的温升均值曲线。
图9由切向振动数据及车削参数拟合得到的温升均值曲线。
具体实施方式
结合附图对本发明进行进一步说明。
选择正常使用状态下的车刀，按照表1的试验方案进行车削试验，每一个背吃刀量ap进行12次试验，一共进行36次车削试验，每次试验时间设定为1分钟。
表一：试验车削参数
Figure DEST_PATH_GDA0001280217900000091
如图1所述，建立车削温度信号采集和刀具三向振动信号采集试验系统。
所述温度采集系统通过美国OMEGA公司生产的OS523E-2型红外测温仪采集刀具前刀面刀尖处的温度。
所述振动信号采集系统通过压电式三向加速度传感器，采集刀具前刀面刀尖处所对应的刀柄的下表面处的三向振动信号，所述三向振动包括沿工件轴向进给方向的振动、沿工件径向的振动和沿工件切向的振动。
将采集的信号进行时域处理，得到温升和某一方向振动加速度的平均值，所得平均值用于温升均值预测回归模型的建立。
所述温升均值模型建立过程如下：
步骤一、按设定的车削参数完成车削试验：
按上面设计的试验系统设计车削参数、拟定试验方案，在车削试验中实时同步采集各车削参数下的三向加速度与温度的时域信号以及每次车削前刀具测温点处的初始温度。
步骤二、按照下述方法对信号进行预处理以获得敏感特征：
将温度信号进行时域分析，获得各车削参数下的温度-时间曲线，由该时间曲线及测得的初始温度可以计算得到该次车削试验时间内的温升均值；
同理，将三向振动加速度信号进行时域分析，获得三向振动加速度-时间曲线，并进一步得到各次试验中的三向振动加速度均值；
步骤三、整理试验数据得到回归模型所需的数据表；
将各次车削试验中的车削参数(切削速度、背吃刀量、进给速度)、温度升高平均值、三向加速度各向的均值绘制成表，为下步运行程序调用数据做准备；
步骤四、基于最小二乘法原理拟合上述表中数据，得到车削温升均值的一个多元回归模型；
基于最小二乘法原理，推导出车削温升均值关于车削振动均值及车削参数拟合公式中的未知参量的表达式；再利用MATLAB软件编程求解这些未知参量；
步骤五、计算相关性系数，分析温升均值与加速度均值及车削参数之间的相关密切度。
将试验中所用的车削参数及车削振动均值代入车削温升均值拟合公式中，可得到拟合的温升均值，与实测的温升均值进行比较，并计算相关系数，分析预测公式的可靠性。
将采集的信号进行处理，获得以下试验数据。
温度-时间曲线
图2为采集的温度-时间曲线，车削参数为：主轴转速n＝1200r/min、背吃刀量ap＝0.3mm、进给速度为40mm/min；考虑环境温度的影响得到温升-时间曲线，如图3所示。
三向振动加速度-时间曲线
图4-图6为车刀三个方向的振动加速度-时间曲线，对应的车削参数为：主轴转速n＝800r/min、背吃刀量ap＝0.3mm、进给速度为40mm/min。
对所得的曲线进一步进行处理，得到实测的温升均值和三向振动加速度均值，如表2所示。
表2：实测信号均值
Figure DEST_PATH_GDA0001280217900000101
Figure DEST_PATH_GDA0001280217900000111
根据试验中的主轴转速及工件直径计算车削速度。
根据每次试验中车削工件的直径d及主轴转速n得到各次试验的车削速度v：
Figure DEST_PATH_GDA0001280217900000121
由上式计算出来的车削速度如表3所示。
表3车削速度计算
Figure DEST_PATH_GDA0001280217900000122
Figure DEST_PATH_GDA0001280217900000131
建立温升预测模型
Figure DEST_PATH_GDA0001280217900000132
其中
Figure DEST_PATH_GDA0001280217900000133
表示拟合温升均值、ap表示背吃刀量、vf表示进给速度、v表示车削速度、
Figure DEST_PATH_GDA0001280217900000134
三向振动加速度均值。
Figure DEST_PATH_GDA0001280217900000135
其中C是系数，x,y,z,w是指数。
利用前面所述方法，基于最小二乘法，运行前面Matlab程序1，调用车削参数及轴向、径向及切向振动加速度均值的一组数据，得到对应三组加速度下的x,y,z,w,C的值，如表4所示。
表4计算得到的x,y,z,w,C值
C x y z w
轴向 2.10E-03 1.43 1.34 0.50 -0.21
径向 3.68E-04 1.61 1.62 0.62 -0.13
切向 2.6E-04 1.42 1.59 0.68 -0.11
再运行程序2得到拟合温升均值与实测温升均值的相关性系数R和相关性为零的概率值P，如表5。相关性系数均高于0.8，该预测方法是可行的。
表5相关性系数
方向 相关性系数R P值
轴向 0.81 2.38E-09
径向 0.83 2.91E-10
切向 0.84 1.96E-10
绘制各次试验中拟合温升均值与实测温升均值的对比曲线，如图7-图9所示。
图7为由轴向振动及车削参数得到的拟合温升均值与实测温升均值的对比曲线；
图8为由径向振动及车削参数得到的拟合温升均值与实测温升均值的对比曲线；
图9为由切向振动及车削参数得到的拟合温升均值与实测温升均值的对比曲线；
总之，在相同的车削条件下，对于同一车刀，根据车削刀具三向振动的某一方向加速度均值及车削参数可以预测车削过程中刀具的温升均值。该方法综合车削振动及车削参数来预测车削温度升高，不同于以往文献中的车削温度计算公式(一般只给出了温度和车削参数的关系，没有考虑车削振动对车削温升的影响)；该方法采用温升值(相对温度)分析车削热，能消除不同环境温度的差异对车削热的影响；该预测公式还能为理论及数值模拟计算车削热力耦合特性提供一个必要的本构方程；由于车削振动相对于车削温度容易测量，该方法一定程度上可以缓解实时测量车削温度的困难。
以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (3)

1.一种刀具车削温升均值的预测方法，其特征在于：包括信号采集系统的设计、车削温升关于车削振动加速度、车削参数之间的回归模型；还包括信号采集系统，信号采集系统包括温度采集系统和振动信号采集系统，温度采集系统通过红外测温仪采集刀具前刀面刀尖处的温度，振动信号采集系统通过三向加速度传感器及振动信号采集仪采集刀具前刀面刀尖处所对应的刀柄下表面处的三向振动信号，三向振动包括刀具沿工件轴向进给方向的振动、沿工件径向的振动和沿工件切向的振动；将信号采集系统采集到的信号经过计算机和MATALAB的处理提取特征，求出相关特征值用于获取回归模型；
所述回归模型的建立过程如下：
步骤一、按设定的车削参数完成车削试验；
按设计的试验系统设计车削参数、拟定试验方案，在车削试验中实时同步采集各车削参数下的三向加速度、温度的时域信号以及每次车削前刀具测温点处的初始温度；
步骤二、对信号进行预处理以获得敏感特征：
将样本集中所有样本的温度信号进行时域分析，获得各参数下的温度-时间曲线，由该时间曲线及测得的初始温度可以计算得到该次车削试验时间内的温升均值，同理将样本集中所有样本的三向振动加速度信号进行时域分析，获得三向振动加速度-时间曲线，并进一步得到各次试验中的三向振动加速度均值；
步骤三、整理试验数据得到回归模型所需的数据表：
将各次车削试验中的车削参数、温度升高平均值、三向加速度各向的均值绘制成表，为下步运行程序调用数据做准备，其中，车削参数包括切削速度、背吃刀量、进给速度；
步骤四、基于最小二乘法原理拟合上述表中数据，得到车削温升均值的一个多元回归模型；
基于最小二乘法原理，推导出车削温升均值关于车削振动均值及车削参数拟合公式中的未知参量的表达式；再利用MATLAB软件编程求解这些未知参量；
步骤五、计算相关性系数，分析拟合公式的可靠性：
将试验中所用的车削参数及车削振动均值代入车削温升均值拟合公式中，可得到拟合的温升均值，与实测的温升均值进行比较，并计算相关系数，分析预测公式的可靠性。
2.根据权利要求1所述的刀具车削温升均值的预测方法，其特征在于：所述三向加速度传感器为压电式三向加速度传感器。
3.根据权利要求1所述的刀具车削温升均值的预测方法，其特征在于：通过MATLAB软件进行时域分析，获取各次试验中的温度升高平均值及三向振动各个方向的加速度均值。
CN201610370106.XA 2016-05-30 2016-05-30 一种刀具车削温升均值的预测方法 Active CN107066775B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610370106.XA CN107066775B (zh) 2016-05-30 2016-05-30 一种刀具车削温升均值的预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610370106.XA CN107066775B (zh) 2016-05-30 2016-05-30 一种刀具车削温升均值的预测方法

Publications (2)

Publication Number Publication Date
CN107066775A CN107066775A (zh) 2017-08-18
CN107066775B true CN107066775B (zh) 2020-03-31

Family

ID=59617132

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610370106.XA Active CN107066775B (zh) 2016-05-30 2016-05-30 一种刀具车削温升均值的预测方法

Country Status (1)

Country Link
CN (1) CN107066775B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109746465A (zh) * 2018-09-26 2019-05-14 江苏师范大学 一种车削振动-车削变形-车削温度实时监测与分析系统
CN109357826B (zh) * 2018-09-26 2020-06-19 江苏师范大学 一种车削刀具-工件非线性振动系统耦合特征的研究方法
CN110728049B (zh) * 2019-10-09 2023-08-29 江苏师范大学 一种刀具车削温度变化均值的组合预测模型建立方法
CN111428396B (zh) * 2020-02-28 2023-06-23 扬州大学 一种在线装载机铰链销轴磨损程度评估方法
CN112380646B (zh) * 2020-11-09 2022-05-03 江苏师范大学 不同磨损刀具车削温度变化与车削振动耦合特性研究方法
CN113128099A (zh) * 2021-05-08 2021-07-16 江苏师范大学 一种车削工件频率预测方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103400038A (zh) * 2013-07-30 2013-11-20 厦门理工学院 一种面向刀具最低磨损确定最佳车削温度的方法
CN104741638A (zh) * 2015-04-20 2015-07-01 江苏师范大学 一种车削刀具磨损状态监测系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI472399B (zh) * 2012-02-10 2015-02-11 中原大學 Online cutting tool real-time monitoring method

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103400038A (zh) * 2013-07-30 2013-11-20 厦门理工学院 一种面向刀具最低磨损确定最佳车削温度的方法
CN104741638A (zh) * 2015-04-20 2015-07-01 江苏师范大学 一种车削刀具磨损状态监测系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Role of temperature and surface finish in predicting tool wear using neural network and design of experiments;Choudhury, SK等;《INTERNATIONAL JOURNAL OF MACHINE TOOLS & MANUFACTURE》;20030531;第43卷(第7期);747-753 *
The Correlation of Vibration Signal Features to Cutting Tool Wear in a Metal Turning Operation;D.E.Dimla,Snr.;《The International Journal of Advanced Manufacturing Technology》;20020630;第19卷(第10期);705-713 *
基于Deform-3D的钛合金车削温度的有限元研究;何志祥等;《中国农机化学报》;20140731(第4期);124-127 *

Also Published As

Publication number Publication date
CN107066775A (zh) 2017-08-18

Similar Documents

Publication Publication Date Title
CN107066775B (zh) 一种刀具车削温升均值的预测方法
CN110908334B (zh) 刀具磨耗监控方法
CN105759719B (zh) 一种基于无偏估计拆分模型的数控机床热误差预测方法及系统
CN110059442B (zh) 一种基于零件表面粗糙度和功率信息的车削加工换刀方法
CN108227625A (zh) 工具寿命推断装置
Wang et al. Thermal sensor selection for the thermal error modeling of machine tool based on the fuzzy clustering method
Suhail et al. Surface roughness identification using the grey relational analysis with multiple performance characteristics in turning operations
Xu et al. A tool breakage monitoring method for end milling based on the indirect electric data of CNC system
CN112757052B (zh) 不同磨损刀具的车削热与多元影响因子的相关性分析方法
CN113688534B (zh) 一种基于多特征融合模型寻找最优铣削参数的研究方法
CN111596612A (zh) 基于工件尺寸数据的数控机床热误差补偿方法及系统
CN112475410A (zh) 一种铣削温度与多元影响因子的关联分析系统及方法
Suhail et al. Workpiece surface temperature for in-process surface roughness prediction using response surface methodology
KR102491716B1 (ko) 가공 환경 추정 장치
CN114840932B (zh) 多因数耦合提高tc4钛合金表面粗糙度预测精度的方法
Brecher et al. Efficient determination of stability lobe diagrams by in-process varying of spindle speed and cutting depth
CN114789364A (zh) 多指标钻孔质量控制方法及其装置、设备
CN111975453B (zh) 一种数值仿真驱动的加工过程刀具状态监测方法
CN109357826B (zh) 一种车削刀具-工件非线性振动系统耦合特征的研究方法
Kundrak et al. Analysis of tool life functions in hard turning
CN115099266A (zh) 一种基于梯度提升决策树的硬车表面白层预测方法
CN111580463A (zh) 机床热关键点选取方法
El Ouafi et al. An ANN based multi-sensor integration approach for in-process monitoring of product quality in turning operations
Brecher et al. Investigations on the limitations of rapid experimental determination of stability boundaries during milling
Karabegović et al. Experimental identification of tool holder acceleration in the process of longitudinal turning

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
CP02 Change in the address of a patent holder

Address after: 221011 No. 2 Yucai Road, Jiawang District, Jiangsu, Xuzhou

Patentee after: Jiangsu Normal University

Address before: No. 101, Shanghai Road, Tongshan District, Xuzhou City, Jiangsu Province

Patentee before: Jiangsu Normal University

CP02 Change in the address of a patent holder