CN107357282B - 一种基于多维隐马尔可夫模型的飞行控制系统评估方法 - Google Patents
一种基于多维隐马尔可夫模型的飞行控制系统评估方法 Download PDFInfo
- Publication number
- CN107357282B CN107357282B CN201710546986.6A CN201710546986A CN107357282B CN 107357282 B CN107357282 B CN 107357282B CN 201710546986 A CN201710546986 A CN 201710546986A CN 107357282 B CN107357282 B CN 107357282B
- Authority
- CN
- China
- Prior art keywords
- model
- hidden markov
- control system
- flight
- flight control
- 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
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Abstract
本发明公开了一种基于多维隐马尔可夫模型的飞行控制系统评估方法,能更加准确的评估飞行控制系统的性能,包括:数据收集模块收集飞行环境数据和飞行控制系统的状态数据,并将所收集的所述数据发送至参数计算模块;模型存储模块存有飞行控制模型,飞行控制模型中的多计算通道受到外界环境干扰产生的数字干扰的随机特性与外界环境的关系用多维隐马尔可夫模型描述,飞行控制系统的状态方程为切换线性系统;参数计算模块读取模型存储模块中的飞行控制模型,接收数据收集模块发来的数据,并据此确定所述多维隐马尔可夫模型的参数;性能评估模块读取模型存储模块中的飞行控制模型,并根据已确定参数的多维隐马尔可夫模型对飞行控制系统性能进行评估。
Description
技术领域
本发明涉及飞行控制领域,特别涉及一种基于多维隐马尔可夫模型的飞行控制系统评估方法。
背景技术
飞行控制系统是飞机的核心组成部分之一,而飞行控制系统的控制稳定性则是对飞行控制系统评估的重要内容之一。在飞行过程中,飞机的飞行控制系统不可避免地会受到来自外部电磁环境的数字干扰。这些干扰主要有三种来源:机载系统、乘客携带的设备以及外部电磁环境,其中,外部电磁环境是数字飞行控制系统的主要干扰来源。实际飞行中,外部电磁环境包括自然闪电以及人造高强辐射场(High Intensity Radiated Fields,HIRF)。HIRF是一类异常复杂的电磁场,其场强、频率、功率、辐射角等参数随机变化,通常频率从十几KHz变化到几十GHz,相应的场强也从几十Vpm变化到几千Vpm。
HIRF会对数字飞行控制系统造成不同程度的干扰(upsets),其中最常见的形式是电瞬变脉冲,它会造成数字模块中一系列的数字位数的翻转,进而导致整个飞行控制器失效。早期飞机只有一个飞行控制器,一旦失效就会造成整个飞行控制系统的失效。为提高飞行控制系统的可靠性,现代飞机上广泛采用以多计算通道冗余为基础的容错控制技术。然而外界电磁环境往往会使所有的冗余控制器同时失效,也就是发生所谓的共模干扰。
而现有的对飞行控制系统的评估方法所使用的传统模型,由于其认为各计算通道之间的干扰是相互独立的,无法描述多计算通道数字干扰的共模特性。而实际飞机上的计算通道都封装在同一飞行控制系统模块内,处于相同的电磁环境中,其电磁干扰过程必然存在一定的联系,并非相互独立。因而现有的对飞行控制系统的评估方法无法充分考虑真实的情况,容易造成对飞行控制系统的评估错误。
发明内容
为解决以上问题,本发明提供一种基于多维隐马尔可夫模型的飞行控制系统评估方法。本发明提供的一种基于多维隐马尔可夫模型的飞行控制系统评估方法,包括:
数据收集模块收集飞行环境数据和飞行控制系统的状态数据,并将所收集的所述数据发送至参数计算模块;
模型存储模块存有飞行控制模型,飞行控制模型中的多计算通道受到外界环境干扰产生的数字干扰的随机特性与外界环境的关系用多维隐马尔可夫模型(Multi-Dimensional Hidden Markov Model,MDHMM)描述,用以描述外界环境产生的共模干扰以及系统影响之间的关系,飞行控制系统的状态方程为切换线性系统;
参数计算模块读取模型存储模块中的飞行控制模型,接收数据收集模块发来的数据,并据此确定所述多维隐马尔可夫模型的参数;
性能评估模块读取模型存储模块中的飞行控制模型,并根据已确定参数的多维隐马尔可夫模型对飞行控制系统性能进行评估。
优选的,所述数据收集模块,还可以按照预设的规则生成飞行环境数据。
优选的,所述多维隐马尔可夫模型的隐状态为飞行环境的电磁状态,其状态值集合包括强和弱两个状态;所述多维隐马尔可夫模型的观测值向量为每个计算通道的工作状态所组成的全部计算通道的工作状态形成的向量,所述工作状态包括正常和失效两个状态;多维隐马尔可夫模型的初始概率分布以概率1取正常状态。
优选的,所述所述多维隐马尔可夫模型,用表示,其中:S={S1,S2,...,SN}为状态值集合,N为状态值数目,F为多维隐马尔可夫模型的维数,在t时刻隐含的马尔可夫链的状态变量qt,qt∈S;为第k维的观测值集合,其中Mk为观测值数目,t时刻多维隐马尔可夫模型第k维的输出用随机变量表示,观测值向量由所有F维观测值组成;Ah=[aij]为隐含的马尔可夫链的状态转移矩阵,且:aij=P{qt=Sj|qt-1=Si},其中i,j∈{1,2,...,M},t≥1;为N×Mk维的观测概率矩阵,且:其中j∈{1,2,...,N},l∈{1,2,...,Mk},k∈{1,2,...,F},t≥1;π=(π1,π2,...,πN)为初始概率分布,即:πi=P{q0=Si},其中i∈{1,2,...,M};
所述对飞行控制系统性能进行评估,包括:评估受随机共模干扰作用下飞行控制系统的稳定性,所述评估方法为判断rσ(A2)<1是否成立,当其成立时,飞行控制系统均方稳定,其中,
n为切换线性系统的维数,rσ为矩阵的谱半径,F为多维隐马尔可夫模型的维数即计算通道的个数,[∏]ij为矩阵Π的元素,I为单位矩阵。
本发明的一些有益效果可以包括:
本发明提供的一种基于多维隐马尔可夫模型的飞行控制系统评估方法,能够充分考虑电磁干扰,尤其是共模干扰的真实情况,从而对飞行控制系统的评估更加准确。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种基于多维隐马尔可夫模型的飞行控制系统评估方法的流程图;
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
图1为本发明实施例中一种基于多维隐马尔可夫模型的飞行控制系统评估方法的流程图。如图1所示,该方法包括如下步骤:
步骤S101、数据收集模块收集飞行环境数据和飞行控制系统的状态数据,并将所收集的所述数据发送至参数计算模块;
步骤S102、模型存储模块存有飞行控制模型,飞行控制模型中的多计算通道受到外界环境干扰产生的数字干扰的随机特性与外界环境的关系用多维隐马尔可夫模型描述,用以描述外界环境产生的共模干扰以及系统影响之间的关系,飞行控制系统的状态方程为切换线性系统;
步骤S103、参数计算模块读取模型存储模块中的飞行控制模型,接收数据收集模块发来的数据,并据此确定所述多维隐马尔可夫模型的参数;
步骤S104、性能评估模块读取模型存储模块中的飞行控制模型,并根据已确定参数的多维隐马尔可夫模型对飞行控制系统性能进行评估。
由于电磁场是连续变化的物理场,因此认为电磁状态是一个一阶马尔可夫链。不同的电磁状态会以不同的概率引发不同的计算通道出现干扰,也就是说各通道的干扰状态都与外界电磁状态有关。这样的特性恰好可以用MDHMM来准确描述,一个F维MDHMM可以用来表示,其中:
S={S1,S2,...,SN}为状态值集合,其中N为状态值数目。在t时刻隐含的马尔可夫链的状态变量qt,qt∈S;
为第k维的观测值集合,其中Mk为观测值数目,t时刻MDHMM第k维的输出用随机变量表示,观测值向量由所有F维观测值组成;
Ah=[aij]为隐含的马尔可夫链的状态转移矩阵,且有:aij=P{qt=Sj|qt-1=Si},其中i,j∈{1,2,...,M},t≥1;
为N×Mk维的观测概率矩阵,且有:其中j∈{1,2,...,N},l∈{1,2,...,Mk},k∈{1,2,...,F},t≥1;
π=(π1,π2,...,πN)为初始概率分布,即:πi=P{q0=Si},其中i∈{1,2,...,M};
依据本发明提供的方法,通过采用多维隐马尔可夫模型描述多通道数字干扰的随机特性,能够和实际的电磁干扰尤其是共模干扰的情况更为吻合,进而能更加准确的对飞行控制系统的评估。
在本发明的一个实施例中,数据收集模块还可以按照预设的规则生成飞行环境数据。根据预设的模型生成数据,根据这些仿真数据能够对飞行控制系统进行仿真评估。
在本发明的一个实施例中,取飞行环境的电磁状态为MDHMM的隐状态,其状态值集合S包括“强”和“弱”两个状态,因此N=2,并且这两个状态按照马尔可夫特性转移。对每个计算通道而言,电磁干扰具有“0”和“1”两个观测状态,分别表示正常状态和失效状态,当把全部通道所受的电磁干扰组合成向量时就形成了观测值向量V,向量的维数F即为冗余的控制通道数。隐状态转移矩阵Ah为2×2概率矩阵,每个观测概率矩阵的维数同样为2×2,其中k为计算通道的序号。为了满足适航性要求,在起飞之前的初始时刻,系统必须处于正常状态,因此初始概率分布π以概率1取正常状态。
依据本发明提供的方法,简化了所采用的多维隐马尔可夫模型的未知量,降低了模型的计算难度。
在本发明的一个实施例中,所述多维隐马尔可夫模型的初始状态转移矩阵通过对原始干扰信号的转移特性进行统计得到,所述多维隐马尔可夫模型的观测值矩阵采用均匀取样,观测值矩阵元素的初始值为0.5,即取
该初始化策略从数字随机干扰信号的固有特性出发,既考虑了其所包含的相对马尔可夫特性,同时算法实施简单,不需要进行复杂的聚类分析,计算开销小。另外,由于外界电磁环境的实变性,在实际飞行过程中,需要对所建立的MDHMM模型进行实时更新。该策略统计了数字干扰的发生情况,对于新发生的干扰可以进行实时更新,可以满足实时性要求。这样确定初始参数矩阵Ah0和后,就可以采用Baum-Welch算法迭代得到最终的模型参数Ah和
依据本发明提供的方法,可以快速收敛到指定精度下的局部最优值,该精度可以满足实际应用要求。
在本发明的一个实施例中,所述多维隐马尔可夫模型,用表示,其中:S={S1,S2,...,SN}为状态值集合,N为状态值数目,F为多维隐马尔可夫模型的维数,在t时刻隐含的马尔可夫链的状态变量qt,qt∈S;为第k维的观测值集合,其中Mk为观测值数目,t时刻多维隐马尔可夫模型第k维的输出用随机变量表示,观测值向量由所有F维观测值组成;Ah=[aij]为隐含的马尔可夫链的状态转移矩阵,且:aij=P{qt=Sj|qt-1=Si},其中i,j∈{1,2,...,M},t≥1;为N×Mk维的观测概率矩阵,且:其中j∈{1,2,...,N},l∈{1,2,...,Mk},k∈{1,2,...,F},t≥1;π=(π1,π2,...,πN)为初始概率分布,即:πi=P{q0=Si},其中i∈{1,2,...,M};
所述对飞行控制系统性能进行评估,包括:评估受随机共模干扰作用下飞行控制系统的稳定性,所述评估方法为判断rσ(A2)<1是否成立,当其成立时,飞行控制系统均方稳定,其中,
n为切换线性系统的维数,rσ为矩阵的谱半径,F为多维隐马尔可夫模型的维数即计算通道的个数,[Π]ij为矩阵Π的元素,I为单位矩阵。
依据本发明提供的方法,能够评估飞行控制系统的稳定性。
在本发明的另一个实施例中,飞行控制系统为双通道飞行控制系统,该飞行控制系统有两个独立的控制器,其具有如下参数矩阵:
其马尔可夫的联合过程ρ(t),包括隐状态变量q(t),控制器1的状态变量z1(t)以及控制器2的状态变量z2(t),该联合过程为一阶马尔可夫链,其联合状态表如表1所示。
表1双通道飞行控制系统联合过程状态表
联合过程ρ(t)为具有8个状态的一阶马尔可夫链,其状态转移矩阵为:
则:
该矩阵的谱半径为rσ(A2)=0.9734<1,因此切换系统均方稳定。
本发明提供的一种基于多维隐马尔可夫模型的飞行控制系统评估方法,采用多维隐马尔可夫模型描述多通道数字干扰的随机特性,能够充分考虑电磁干扰,尤其是共模干扰的真实情况,本发明同时针对性的改善了MDHMM的参数训练算法,能更准确的评估飞行控制系统的稳定性。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (5)
1.一种基于多维隐马尔可夫模型的飞行控制系统评估方法,其特征在于,包括:
数据收集模块收集飞行环境数据和飞行控制系统的状态数据,并将所收集的所述数据发送至参数计算模块;
模型存储模块存有飞行控制模型,随机特性与外界环境的关系用多维隐马尔可夫模型描述,所述随机特性是飞行控制模型中的多计算通道受到外界环境干扰产生的数字干扰的随机特性,用以描述外界环境产生的共模干扰以及系统影响之间的关系,飞行控制系统的状态方程为切换线性系统;
参数计算模块读取模型存储模块中的飞行控制模型,接收数据收集模块发来的数据,并据此确定所述多维隐马尔可夫模型的参数;
性能评估模块读取模型存储模块中的飞行控制模型,并根据已确定参数的多维隐马尔可夫模型对飞行控制系统性能进行评估。
2.如权利要求1所述的方法,其特征在于,所述数据收集模块,还可以按照预设的规则生成飞行环境数据。
3.如权利要求1所述的方法,其特征在于,所述多维隐马尔可夫模型的隐状态为飞行环境的电磁状态,其状态值集合包括强和弱两个状态;所述多维隐马尔可夫模型的观测值向量为每个计算通道的工作状态所组成的全部计算通道的工作状态形成的向量,所述工作状态包括正常和失效两个状态;多维隐马尔可夫模型的初始概率分布以概率1取正常状态。
4.如权利要求3所述的方法,其特征在于,所述多维隐马尔可夫模型的初始状态转移矩阵通过对原始干扰信号的转移特性进行统计得到,所述多维隐马尔可夫模型的观测值矩阵采用均匀取样,观测值矩阵元素的初始值为0.5。
5.如权利要求4所述的方法,其特征在于,
所述多维隐马尔可夫模型,用k∈{1,2,...,F}表示,其中:S={S1,S2,...,SN}为状态值集合,N为状态值数目,F为多维隐马尔可夫模型的维数,在t时刻隐含的马尔可夫链的状态变量qt,qt∈S;为第k维的观测值集合,其中Mk为观测值数目,t时刻多维隐马尔可夫模型第k维的输出用随机变量表示,观测值向量由所有F维观测值组成;Ah=[aij]为隐含的马尔可夫链的状态转移矩阵,且:aij=P{qt=Sj|qt-1=Si},其中i,j∈{1,2,...,M},t≥1;为N×Mk维的观测概率矩阵,且:其中j∈{1,2,...,N},l∈{1,2,...,Mk},k∈{1,2,...,F},t≥1;π=(π1,π2,…,πN)为初始概率分布,即:πi=P{q0=Si},其中i∈{1,2,...,M};
所述对飞行控制系统性能进行评估,包括:评估受随机共模干扰作用下飞行控制系统的稳定性,所述评估方法为判断rσ(A2)<1是否成立,当其成立时,飞行控制系统均方稳定,其中,
;
n为切换线性系统的维数,rσ为矩阵的谱半径,F为多维隐马尔可夫模型的维数即计算通道的个数,[П]ij为矩阵Π的元素,I为单位矩阵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710546986.6A CN107357282B (zh) | 2017-07-06 | 2017-07-06 | 一种基于多维隐马尔可夫模型的飞行控制系统评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710546986.6A CN107357282B (zh) | 2017-07-06 | 2017-07-06 | 一种基于多维隐马尔可夫模型的飞行控制系统评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107357282A CN107357282A (zh) | 2017-11-17 |
CN107357282B true CN107357282B (zh) | 2019-04-12 |
Family
ID=60292275
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710546986.6A Active CN107357282B (zh) | 2017-07-06 | 2017-07-06 | 一种基于多维隐马尔可夫模型的飞行控制系统评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107357282B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108399415B (zh) * | 2018-01-16 | 2020-03-27 | 电子科技大学 | 一种基于设备所处生命周期阶段的自适应数据采集方法 |
CN109948885A (zh) * | 2019-01-21 | 2019-06-28 | 三峡大学 | 一种基于量子马尔可夫链的法治建设评估系统 |
CN111079827B (zh) * | 2019-12-13 | 2023-04-07 | 中国铁道科学研究院集团有限公司电子计算技术研究所 | 一种铁路数据状态评估方法及系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7454342B2 (en) * | 2003-03-19 | 2008-11-18 | Intel Corporation | Coupled hidden Markov model (CHMM) for continuous audiovisual speech recognition |
CN101858748B (zh) * | 2010-05-28 | 2012-08-29 | 南京航空航天大学 | 高空长航无人机的多传感器容错自主导航方法 |
CN101872418B (zh) * | 2010-05-28 | 2012-09-12 | 电子科技大学 | 基于群体环境异常行为的检测方法 |
CN102831064A (zh) * | 2012-09-04 | 2012-12-19 | 北京航空航天大学 | 一种面向可靠性评估的软件自适应测试方法 |
CN105182988B (zh) * | 2015-09-11 | 2017-12-26 | 西北工业大学 | 基于马尔科夫决策过程的飞行员操作行为引导方法 |
-
2017
- 2017-07-06 CN CN201710546986.6A patent/CN107357282B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN107357282A (zh) | 2017-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110782011B (zh) | 一种基于强化学习的网络化多智能体系统分布式优化控制方法 | |
CN107357282B (zh) | 一种基于多维隐马尔可夫模型的飞行控制系统评估方法 | |
CN109709934B (zh) | 一种飞行控制系统故障诊断冗余设计方法 | |
CN103984234A (zh) | 一种电液伺服系统自修正模糊pid控制的方法 | |
CN109472418A (zh) | 基于卡尔曼滤波的机动目标状态预测优化方法 | |
EP3786925A1 (en) | Systems and methods for training a neural network to control an aircraft | |
CN108683614A (zh) | 基于门限残差网络的虚拟现实设备集群带宽分配装置 | |
CN104216289A (zh) | 基于分布式进化算法的多飞行器编队的控制方法和装置 | |
CN102663514A (zh) | 一种基于可行均衡机制的约束优化进化算法 | |
CN105427241A (zh) | 一种大视场显示设备的畸变校正方法 | |
CN105204438A (zh) | 一种面向缸盖零件的加工质量控制方法 | |
CN109829613A (zh) | 一种配电网双时间尺度状态估计方法及系统 | |
Wang et al. | A DRL-aided multi-layer stability model calibration platform considering multiple events | |
CN116661307A (zh) | 非线性系统执行器故障ppb-siadp容错控制方法 | |
Jorgensen | Direct adaptive aircraft control using dynamic cell structure neural networks | |
CN107168066A (zh) | 一种温室环境自适应控制方法 | |
CN106168760A (zh) | 基于凸多面体故障模型的不确定时滞系统稳定性判定方法 | |
CN109115446A (zh) | 基于跨声速风洞风速精度控制方法及系统 | |
CN106444375B (zh) | 一种驾驶员最优控制模型加权系数计算方法 | |
CN115221153B (zh) | 一种缺失数据填补方法、装置和计算机可读存储介质 | |
CN114035543B (zh) | 一种飞机受损状态下的自修复控制方法 | |
Zhu et al. | An adaptive interactive multiple-model algorithm based on end-to-end learning | |
Bozorgnia et al. | A new control allocation methodology based on the pseudo inverse along the null space | |
CN110275514B (zh) | 带有时变传感器故障的编队飞控系统渐近故障诊断方法 | |
CN104318031B (zh) | 一种基于退化曲线相似度的电子产品健康度预测方法 |
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 | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Wang Rui Inventor after: Li Yanxiao Inventor after: Sun Hui Inventor before: Wang Rui |
|
GR01 | Patent grant | ||
GR01 | Patent grant |