CN107782443B - 一种风力发电机叶片固有频率自动提取方法 - Google Patents
一种风力发电机叶片固有频率自动提取方法 Download PDFInfo
- Publication number
- CN107782443B CN107782443B CN201711009249.9A CN201711009249A CN107782443B CN 107782443 B CN107782443 B CN 107782443B CN 201711009249 A CN201711009249 A CN 201711009249A CN 107782443 B CN107782443 B CN 107782443B
- Authority
- CN
- China
- Prior art keywords
- natural frequency
- data
- blade
- frequency
- value
- 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
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Wind Motors (AREA)
Abstract
一种风力发电机叶片固有频率的自动提取方法,包括如下步骤:步骤1:利用双轴加速度传感器从风机叶片上采集摆振、挥舞两方向振动数据,并获取风力发电机SCADA功率参数数据,将两类数据按照对应时钟进行统一保存;步骤2:对保存后的数据进行功率参数判断,若功率大于0,则选用挥舞方向振动数据进行后续分析,若功率等于0,则选用摆振方向振动数据进行后续分析;步骤3:从步骤2中数据进行固有频率提取;步骤4:从已经获得的固有频率中剔除谐波模态,获得最终真实固有频率,通过在风力发电机叶片上部署加速度传感器及接入风场SCADA数据,采集叶片振动数据和发电功率参数,实现了叶片结构固有频率的准确提取;具有准确、免人工干扰、高效的特点。
Description
技术领域
本发明属于模态分析技术领域,具体涉及一种风力发电机叶片固有频率自动提取方法。
背景技术
我国风电产业目前处在高速发展阶段,其对优化能源结构、促进节能减排的作用日益凸显。但因为风电机组大多安装在风能丰富的地区,而这些地区气候条件恶劣,同时风机叶片承受无规律、变速变载荷的风力作用,导致叶片在运行过程中逐渐产生表面损伤,如涂层剥落、点蚀、轻度裂纹等,这种损伤日积月累,便有可能导致叶片严重裂纹产生,严重者叶片断裂,经济损失巨大。
在处理叶片部件故障时,如果需要更换新件,由于所需备件需要很长的准备时间,同时现场维修需要租赁吊车等专用设备,所以造成的停机时间远大于其它故障。
预知性维护是一种新的维护模式,是以状态监测与故障诊断技术为基础,根据设备的实际状况定制备件,制定维修计划,相对于其它维护模式可以有效节约维护成本,减少停机时间,尤其适用于风力发电机叶片等关键部件。通过监测叶片模态变化来确定叶片健康状态是一种有效途径,由于振型需要的测点多(硬件成本高、施工难度大),而阻尼比误差大,所以选取固有频率作为监测参数。由于风机叶片结构巨大,一旦风机进入运营期,叶片一直处于环境激励中,很难给予人工确定性激励。因此,实验模态方法不适用此案例,本发明基于运行模态分析给出一种叶片固有频率自动提取方法。
发明内容
为克服上述现有技术的不足,本发明的目的是提供一种风力发电机叶片固有频率自动提取方法,从叶片原始振动信号中提取叶片有效、准确和全面的固有频率,用以确定叶片的健康状态,为风机维护、维修提供有用参考,具有准确、免人工干扰、高效的特点。
为实现上述目的,本发明采用的技术方案是:一种风力发电机叶片固有频率的自动提取方法,其特征在于,包括如下步骤:
步骤1:利用双轴加速度传感器从风机叶片上采集摆振、挥舞两方向振动数据,并同时获取风力发电机SCADA功率参数数据,将两类数据按照对应时钟进行统一保存;
步骤2:对保存后的数据进行功率参数判断,若功率大于0,则选用挥舞方向振动数据进行后续分析,若功率等于0,则选用摆振方向振动数据进行后续分析;
步骤3:从步骤2中数据进行固有频率提取;
步骤4:从已经获得的固有频率中剔除谐波模态,获得最终真实固有频率。
所述步骤1中双轴加速度传感器直接粘贴于叶片内部腹板,使用低频响应好、精度高传感器及优质屏蔽传输线缆,以保证信号的信噪比。
所述步骤2中根据功率是否大于0来确定后续分析目标数据,其中挥舞方向是指叶片前缘指向后缘的方向,摆振方向是指叶片弦线的垂向。其原因是,功率为0表示风机停机,此时桨距角接近90度,摆振面振动数据信噪比最高;而当功率大于0时,风机运行发电,此时,挥舞面振动数据信噪比最高;选择信噪比高的信号更容易准确提取固有频率。
步骤3所述的固有频率提取包括以下步骤:
第一,对原始振动信号进行带通滤波,例如,我们要提取10Hz-50Hz以内的低阶固有频率,则对原始振动信号进行10Hz-50Hz的带通滤波;
第二,对滤波后的信号进行傅里叶变换,频响函数中的极点包含了固有频率信息,而极点又可以通过响应的傅里叶变换求得,这是通过傅里叶变换求取固有频率的理论依据;
第三,提取10Hz-50Hz间的所有局部最大值,具体方法如下:
序列Y为原始振动信号经过滤波后的傅里叶谱,长度为N,X为信号Y对应的点次,即X=1:N;
首先剔除Y序列中连续的相同值,并更新X值,例如序列Y=[2 3 5 5 3 2];则剔除后Y=[2 3 5 3 2],剔除谐波模态的方法是,
其次获取所有局部最大值,最大值获取方法是,
S(i)=sgn(Y(i)-Y(i+1)),i=1,2,…,N-1 (2)
iM=1+find(S<0)
XM=X(iM)
YM=Y(iM) (3)
其中,sgn(·)为符号判定函数,其定义如(4)式所示
S为序列Y前一个元素与后一个元素取差值后符号判定得到的序列,函数find(·)作用是寻找数据序列满足某种条件的角标,XM是序列Y中所有局部最大值的角标,即待选固有频率集合,而YM则是序列Y中所有局部最大值;参数i是Y序列的元素角标;
第四,由于第三步提取的局部最大值中包含了很多边频峰值、小峰值,对于风机叶片来讲,这些峰值通常不是所需的固有频率,因此需要去除这部分边频峰值和小峰值。
步骤3所述的剔除谐波模态的方法是时域峭度法,该方法的理论依据是时域峭度曲线取值等于-1.5对应的固有频率(角标)为谐波频率,需要消除,峭度的定义式如(5)式所示:
其中,K为峭度值,x为数据序列,μ为x的均值,σ为x的标准差,E(·)为期望函数;
所述的时域峭度法的具体步骤是:
首先,取待选固有频率集合XM中的第一个固有频率作为分析对象,对原始振动信号进行傅里叶变换;
其次,将傅里叶谱线中Y除区间[ni,na]和[nfft-na+1,nfft-ni-1]外的所有频率谱线幅值置零,其中,nfft为傅里叶变换的总序列点数,ni和na的计算方法如(6)式所示:
其中Fd为选取的通带带宽的一半,Fs为信号的采样频率,函数round(·)为取整运算。
最后,对处理后的Y进行傅里叶逆变换,并求取变换后序列的峭度值,即为,若K1接近-1.5,则删除X1这一频率,反之保留此固有频率;待选固有频率集合中XM的固有频率依次执行上述步骤,可以得到最终固有频率。
所述的去除部分边频峰值和小峰值采用以下步骤:
首先,确定固有频率间隔区间,例如,我们确定间隔区间为Pd,将第三步中提取的局部最大值按照幅值从大到小进行排列,局部极大值序列改为YR,YR对应的角标为XR;
其次,将YR中的第一个值Y1(幅值也是最大)选定为一个固有频率的幅值,此时角标为X1即为对应的固有频率;
最后,去除X中处于区间[X1-Pd,X1+Pd]内除X1外的所有局部极大值,更新YR和XR;进一步选择YR中第二个值Y2作为一个固有频率的幅值,角标X2为对应的固有频率;依次类推,最终在10Hz-50Hz范围内按照幅值大小选择出所有可能的固有频率取值。
本发明的有益效果是:
由于本发明使用功率参数是否大于0作为选取分析对象的依据,所以保证了数据源与叶片健康状态强相关的特点;由于本发明采用了运行模态分析方法,所以提取叶片固有频率具有不依赖于输入激励的特点;由于本发明采用了自动筛选固有频率的方法,所以具有免人工干扰的特点;由于本发明使用了剔除谐波模态的方法,所以提取的固有频率具有高准确性的特点。
通过在风力发电机叶片上部署加速度传感器及接入风场SCADA数据,采集叶片振动数据和发电功率参数,集合傅里叶变换、傅里叶逆变换、峰值提取、谐波模态剔除方法实现了叶片结构固有频率的准确提取。
附图说明
图1本发明固有频率自动提取方法整体流程图。
图2本发明山东某风场一风机1号叶片摆振、挥舞两方向振动时域信号图,其中图2(a)为挥舞方向图,图2(b)为摆振方向图。
图3本发明步骤3整体流程图。
图4本发明经过[1,20]带通滤波的挥舞方向振动时域信号。
图5本发明叶片挥舞方向[1,20]Hz待选固有频率图。
图6本发明谐波模态剔除流程图。
图7本发明综合时域峭度图。
具体实施方式
下面结合附图和具体的实例对本发明做进一步的阐述。
附图1所示为一种风力发电机叶片固有频率自动提取方法的流程图,如图1所示,其步骤包括:
步骤1:利用双轴加速度传感器从风机叶片上采集摆振、挥舞两方向振动数据,并同时获取风力发电机SCADA功率参数数据,将两类数据按照对应时钟进行统一保存。步骤1中双轴加速度传感器直接粘贴于叶片内部腹板,使用低频响应好、精度高传感器及优质屏蔽传输线缆,以保证信号的信噪比。
本发明以山东某风场一机组的1#叶片振动信号为例,进行后续介绍。附图2为1#叶片挥舞、摆振两方向振动信号的时域图。
步骤2:对保存后的数据进行功率参数判断,若功率大于0,则选用挥舞方向振动数据进行后续分析,若功率等于0,则选用摆振方向振动数据进行后续分析。通过对于附图2振动信号同步采集的功率参数进行判断发现,功率大于0,风机处于运行阶段。因此选用挥舞方向的振动信号进行后续分析。
步骤3:从步骤2中数据进行固有频率提取,详细计算过程如附图3所示。
第一步:对原始振动信号进行带通滤波,我们要提取1Hz-20Hz以内的低阶固有频率,则对挥舞方向振动信号进行1Hz-20Hz的带通滤波。附图4是对步骤1中挥舞信号进行带通滤波后的时域图。
第三步:提取1Hz-20Hz间的所有局部最大值,具体方法如下:
序列Y为挥舞方向振动信号经过滤波后的傅里叶谱,长度为N,X为信号Y对应的点次,即X=1:N;
首先剔除Y序列中连续的相同值,并更新X值,例如序列Y=[2 3 5 5 3 2];则剔除后Y=[2 3 5 3 2]。方法是,
其次获取全部局部最大值,方法是,
S(i)=sgn(Y(i)-Y(i+1)),i=1,2,…,N-1 (2)
iM=1+find(S<0)
XM=X(iM)
YM=Y(iM) (3)
其中,sgn(·)为符号判定函数,公式如式(4)所示
S为序列Y前一个元素与后一个元素取差值后符号判定得到的序列。函数find(·)作用是寻找数据序列满足某种条件的角标。i是Y序列元素的角标,XM是序列Y中所有局部最大值的角标,而YM则是序列Y中所有局部最大值。通过计算,从挥舞振动信号1Hz-20Hz的频谱中找到259个局部峰值点。
第四步:由于第三步提取的259个局部最大值中包含了很多边频峰值、小峰值,对于风机叶片来讲,这些峰值通常不是我们关心的固有频率,因此需要进一步去除这部分边频峰值和小峰值。方法是,
首先,确定固有频率间隔区间,例如,我们确定间隔区间为1Hz,将第三步中提取的局部最大值按照幅值从大到小进行排列,局部极大值序列改为YR,YR对应的角标为XR。
其次,将YR中的第一个值Y1(幅值最大)选定为一个固有频率的幅值,此时角标为X1=15Hz即为对应的固有频率。
最后,去除X中处于区间[14,16]内除15Hz外的所有局部极大值,更新YR和XR。进一步选择YR中第二个值Y2作为一个固有频率的幅值,角标X2=16.99Hz为对应的固有频率。依次类推,最终在1Hz-20Hz范围内按照幅值大小选择出所有可能的固有频率取值,如表1所示,具体频率如附图5所示。
表1待选固有频率列表
待选频率(Hz) | 15 | 16.99 | 5 | 10 | 18.71 | 3.672 | 1.641 | 8.396 |
幅值 | 6.119 | -3.253 | -5..634 | -9.935 | -18.46 | -31.93 | -35.8 | -42.76 |
步骤4:从已经获得的固有频率中剔除谐波模态,获得最终真实固有频率。
剔除谐波模态使用的时域峭度法的理论依据是:时域峭度曲线取值等于-1.5对应的固有频率(角标)为谐波频率,需要消除,峭度的定义式如式(5)所示:
其中,K为峭度值,x为数据序列,μ为x的均值,σ为x的标准差,E(·)为期望函数。
具体方法如附图6所示,
首先,取表1中得到的第一个固有频率15作为分析对象,对原始振动信号进行傅里叶变换;
其次,将傅里叶谱线中Y除区间[ni,na]和[nfft-na+1,nfft-ni-1]外的所有频率谱线幅值置零,其中,nfft为傅里叶变换的总序列点数,由于原始信号长度为128000,所以nfft=131072,ni和na的计算方法如式(6)所示:
其中Fd为选取的通带带宽的一半,这里去Fd=0.06Hz,Fs=1280为信号的采样频率,函数round(·)为取整运算。
最后,对处理后的Y进行傅里叶逆变换,并求取变换后序列的峭度值,即为,若K1接近-1.5,则删除15Hz这一频率,反之保留此固有频率。对表1中的其他固有频率依次执行上述步骤,可以得到综合的时域峭度图,如附图7所示。从图7中可以看出,频率5、10、15及16.99的幅值均接近-1.5,因此判定为谐波频率。最终得到的固有频率如表2所示。
表2最终频率列表
频率阶数 | 1 | 2 | 3 | 4 |
频率值(Hz) | 1.641 | 3.672 | 8.396 | 18.71 |
Claims (4)
1.一种风力发电机叶片固有频率的自动提取方法,其特征在于,包括如下步骤:
步骤1:利用直接粘贴于叶片内部腹板的双轴加速度传感器从风机叶片上采集摆振、挥舞两方向振动数据,并同时获取风力发电机SCADA功率参数数据,将两类数据按照对应时钟进行统一保存;
步骤2:对保存后的数据进行功率参数判断,若功率大于0,则选用挥舞方向振动数据进行后续分析,若功率等于0,则选用摆振方向振动数据进行后续分析;
步骤3:从步骤2中数据进行固有频率提取,对原始振动信号进行10Hz-50Hz的带通滤波,通过傅里叶变换,提取10Hz-50Hz间的所有局部最大值;
步骤4:从已经获得的固有频率中剔除谐波模态,对取得的固有频率局部最大值序列进行排序,进一步去除边频峰值和小峰值,获得最终真实固有频率。
2.如权利要求1所述的一种风力发电机叶片固有频率的自动提取方法,其特征在于,所述步骤2中根据功率是否大于0来确定后续分析目标数据,其中挥舞方向是指叶片前缘指向后缘的方向,摆振方向是指叶片弦线的垂向。
3.如权利要求1所述的一种风力发电机叶片固有频率的自动提取方法,其特征在于,步骤4所述的剔除谐波模态的方法是时域峭度法,该方法的理论依据是时域峭度曲线取值等于-1.5对应的固有频率为谐波频率,需要消除,峭度的定义式如下式所示:
所述的时域峭度法的具体步骤是:
首先,取待选固有频率集合XM中的第一个固有频率作为分析对象,对原始振动信号进行傅里叶变换;
其次,将傅里叶谱线中Y除区间[ni,na]和[nfft-na+1,nfft-ni-1]外的所有频率谱线幅值置零,其中,nfft为傅里叶变换的总序列点数,ni和na的计算方法如下式所示:
最后,对处理后的Y进行傅里叶逆变换,并求取变换后序列的峭度值,即为,若K1接近-1.5,则删除X1这一频率,反之保留此固有频率;待选固有频率集合中XM的固有频率依次执行上述步骤,可以得到最终固有频率。
4.根据权利要求1所述的一种风力发电机叶片固有频率的自动提取方法,其特征在于,去除部分边频峰值和小峰值采用以下步骤:
首先,确定固有频率间隔区间,确定间隔区间为Pd,将第三步中提取的局部最大值按照幅值从大到小进行排列,局部最大值序列改为YR,YR对应的角标为XR;
其次,将YR中的第一个值Y1选定为一个固有频率的幅值,此时角标为X1即为对应的固有频率;
最后,去除X中处于区间[X1-Pd,X1+Pd]内除X1外的所有局部最大值,更新YR和XR;进一步选择YR中第二个值Y2作为一个固有频率的幅值,角标X2为对应的固有频率;依次类推,最终在10Hz-50Hz范围内按照幅值大小选择出所有可能的固有频率取值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711009249.9A CN107782443B (zh) | 2017-10-25 | 2017-10-25 | 一种风力发电机叶片固有频率自动提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711009249.9A CN107782443B (zh) | 2017-10-25 | 2017-10-25 | 一种风力发电机叶片固有频率自动提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107782443A CN107782443A (zh) | 2018-03-09 |
CN107782443B true CN107782443B (zh) | 2020-06-30 |
Family
ID=61435296
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711009249.9A Active CN107782443B (zh) | 2017-10-25 | 2017-10-25 | 一种风力发电机叶片固有频率自动提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107782443B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108593230A (zh) * | 2018-03-27 | 2018-09-28 | 西北工业大学 | 一种叶片固有频率自动测试系统 |
CN108827458A (zh) * | 2018-06-15 | 2018-11-16 | 西安交通大学 | 一种风力发电机叶片固有频率在线识别方法 |
CN108879786B (zh) * | 2018-08-15 | 2020-11-13 | 浙江运达风电股份有限公司 | 风力发电机组主要部件频率及阻尼比的辨识方法及装置 |
CN110243941A (zh) * | 2019-07-08 | 2019-09-17 | 西安航天化学动力有限公司 | 一种固体火箭发动机界面脱粘缺陷的无损检测方法 |
CN113090458B (zh) * | 2019-12-23 | 2022-04-15 | 江苏金风科技有限公司 | 叶片控制方法和系统、控制器及计算机可读存储介质 |
CN112798253A (zh) * | 2021-01-20 | 2021-05-14 | 南京航空航天大学 | 一种考虑非白环境载荷影响的结构模态参数辨识方法 |
CN114065429B (zh) * | 2021-11-18 | 2023-04-18 | 哈尔滨工业大学 | 一种单对称截面风力机叶片固有特性求解方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103063428A (zh) * | 2013-01-25 | 2013-04-24 | 国电联合动力技术有限公司 | 一种风机叶片模态参数的无线监测系统以及方法 |
CN203432674U (zh) * | 2013-08-06 | 2014-02-12 | 中航惠腾风电设备股份有限公司 | 监测风场叶片振动的装置和叶片 |
CN104075795A (zh) * | 2014-06-18 | 2014-10-01 | 北京金风科创风电设备有限公司 | 用于监测风力发电机组的叶轮振动状态的方法和系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2815123B1 (fr) * | 2000-10-10 | 2003-02-07 | Snecma Moteurs | Controle acoustique de roues aubagees monoblocs |
CN102478421B (zh) * | 2010-11-24 | 2013-07-17 | 中国科学院工程热物理研究所 | 一种风力机叶片动态频率分析与设计方法 |
CN107084785B (zh) * | 2017-04-11 | 2020-04-07 | 上海致远绿色能源股份有限公司 | 一种风力发电机叶片测频率的方法 |
-
2017
- 2017-10-25 CN CN201711009249.9A patent/CN107782443B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103063428A (zh) * | 2013-01-25 | 2013-04-24 | 国电联合动力技术有限公司 | 一种风机叶片模态参数的无线监测系统以及方法 |
CN203432674U (zh) * | 2013-08-06 | 2014-02-12 | 中航惠腾风电设备股份有限公司 | 监测风场叶片振动的装置和叶片 |
CN104075795A (zh) * | 2014-06-18 | 2014-10-01 | 北京金风科创风电设备有限公司 | 用于监测风力发电机组的叶轮振动状态的方法和系统 |
Non-Patent Citations (1)
Title |
---|
结构运行状态下谐波模态的检测和去除技术研究及实现;夏遵平;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20150215;C029-233 * |
Also Published As
Publication number | Publication date |
---|---|
CN107782443A (zh) | 2018-03-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107782443B (zh) | 一种风力发电机叶片固有频率自动提取方法 | |
Liu et al. | Fault diagnosis of industrial wind turbine blade bearing using acoustic emission analysis | |
CN107829885B (zh) | 一种考虑环境参数修正的风力发电机叶片振动监测及系统 | |
WO2022261805A1 (zh) | 一种柴油机齿轮箱故障诊断方法 | |
CN108087210B (zh) | 风力发电机组叶片异常识别方法及装置 | |
CN104677623B (zh) | 一种风力发电机叶片故障在位声学诊断方法及监测系统 | |
CN110259646B (zh) | 一种基于历史数据的风力发电机组部件状态预警方法 | |
CN107192446B (zh) | 风力发电机组塔筒固有频率监测方法 | |
CN102620928A (zh) | 基于小波半软阈值和emd的风电齿轮箱故障诊断方法 | |
CN110160767B (zh) | 基于包络分析的冲击周期自动识别与提取方法及系统 | |
CN110905732B (zh) | 风电机组风轮不平衡的辨识方法、系统及储存介质 | |
CN104198138A (zh) | 一种风力发电机组异常振动的预警方法及系统 | |
CN108444696A (zh) | 一种齿轮箱故障分析方法 | |
CN111120388B (zh) | 一种风机状态联合监测方法及系统 | |
CN103926075B (zh) | 一种提高风电机组齿轮箱故障分析精度的方法 | |
Lin et al. | A review and strategy for the diagnosis of speed-varying machinery | |
CN111412114B (zh) | 一种基于定子电流包络谱的风电机组叶轮不平衡检测方法 | |
CN108278184A (zh) | 基于经验模态分解的风电机组叶轮不平衡监测方法 | |
CN113250911B (zh) | 一种基于vmd分解算法的风机叶片故障诊断方法 | |
An et al. | Application of back propagation neural network to fault diagnosis of direct-drive wind turbine | |
CN112734001A (zh) | 一种基于阶次谱迁移的风电传动链智能故障诊断方法 | |
Zheng et al. | Variational mode decomposition applied to offshore wind turbine rolling bearing fault diagnosis | |
CN116738314A (zh) | 一种基于神经网络的空压机故障检测方法 | |
Liu et al. | Bispectrum analysis for feature extraction of pitting fault in wind turbine gearbox | |
CN113688791B (zh) | 一种风电机组cms异常数据包识别方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |