CN108681502B - 一种基于分层并行算法的cps软件能耗计算方法 - Google Patents
一种基于分层并行算法的cps软件能耗计算方法 Download PDFInfo
- Publication number
- CN108681502B CN108681502B CN201810488305.XA CN201810488305A CN108681502B CN 108681502 B CN108681502 B CN 108681502B CN 201810488305 A CN201810488305 A CN 201810488305A CN 108681502 B CN108681502 B CN 108681502B
- Authority
- CN
- China
- Prior art keywords
- energy consumption
- node
- matrix
- cpn
- sub
- 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
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3447—Performance evaluation by modeling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3457—Performance evaluation by simulation
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/20—Configuration CAD, e.g. designing by assembling or positioning modules selected from libraries of predesigned modules
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Stored Programmes (AREA)
Abstract
本发明涉及基于分层并行算法的CPS软件能耗计算方法,属于CPS领域。本发明首先对CPS软件进行分层着色Petri建模,得到顶层CPN和子层CPN,并分析出每个模块的CPN能耗结构图;接着通过在CPN Tools软件中模拟运行模型,得到CPS软件各个模块中节点能耗值;再对各个节点的能耗值进行预处理,并求CPS软件的能耗矩阵;再分别对CPS软件的顶层CPN和子层CPN的各个模块分别进行分割,通过移动节点使每个模块的能耗值最小;分别计算出子矩阵从起始节点到终止节点的最小能耗;再将各个子矩阵的最小能耗值相加,得到该CPS软件的最小能耗值。本发明有效地提高了能耗计算的效率,缩小了能耗计算的时间复杂度。
Description
技术领域
本发明涉及一种基于分层并行算法的CPS软件能耗计算方法,属于CPS技术领域。
背景技术
随着CPS在工业4.0中核心地位的提出,CPS成为众多学者研究与关注的焦点。软件作为CPS的重要使能部分,提高CPS软件能耗的计算效率具有重要意义。现阶段,对软件能耗的计算大多集中在单源路径,但由于CPS软件系统大型、复杂,单源路径在求解并分析能耗方面往往不能满足高效运算的要求。
发明内容
本发明提供了一种基于分层并行算法的CPS软件能耗计算方法,以用于以用于解决大型、复杂的CPS软件的能耗计算问题。
本发明的技术方案是:一种基于分层并行算法的CPS软件能耗计算方法,并分析出每个模块的CPN能耗结构图;接着通过在CPN Tools软件中模拟运行模型,得到CPS软件各个模块中节点能耗值;然后对各个节点的能耗值进行预处理,分析出模型的输入矩阵Din和输出矩阵Dout、关联矩阵D,并求出CPS软件的能耗矩阵M;再分别对CPS软件的顶层CPN和子层CPN的各个模块分别进行k路分割,通过移动节点使每个模块的能耗值最小;分别计算出子矩阵从起始节点到终止节点的最小能耗;再将各个子矩阵的最小能耗值相加,得到该CPS软件的最小能耗值。
所述基于分层并行算法的CPS软件能耗计算方法的具体步骤如下:
Step1、对CPS软件进行分层着色Petri建模,得到顶层CPN和子层CPN,并分析出每个模块的CPN能耗结构图:
首先,根据CPS软件的功能特性,将CPS软件分为顶层CPN和子层CPN,并分析每层CPN的组成模块、模块内节点的关联关系和模块之间的的关系,得到每个模块的CPN能耗结构图;
Step2、获取CPS软件各个模块中节点能耗值:
将基于分层着色Petri网的CPS软件能耗模型的各个模块在CPN Tools中进行模拟运行,记录下每个模块的各个节点的能耗值;
Step3、对各个节点的能耗值进行预处理,分析出模型的关联矩阵D,并求出CPS软件的能耗矩阵M:
模块中各个节点的能耗的权值wij集合W用n×m的矩阵表示,即:
Petri网的关联矩阵D=Dout-Din,Dout、Din分别为输出矩阵和输入矩阵,其中
i∈{1,2,....m},j∈{1,2,...n},n为库所P的总个数,m为变迁T的总个数;pj与ti分别为库所P与变迁T内的任意元素;
能耗矩阵M为:
Step4、分别对CPS软件的顶层CPN和子层CPN的各个模块分别进行k路分割,使每个模块的能耗值最小:
把矩阵M按行分为k个l×n维的子矩阵Mi,由于一个矩阵的节点能移动到其他k-1个子矩阵,当节点v从a矩阵转移到b矩阵的移动条件为:
其中,l=m÷k,k为任意给定的参数,Mi[a],Mi[b]分别表示子矩阵a和子矩阵b在矩阵M中的权重,m(v)表示节点v的权重,Mmax为矩阵M的上限,Mmin为矩阵M的下限,移动完成后的子矩阵实现了各个模块的能耗值最小;
Step5、子矩阵最小能耗计算:
分割后的子矩阵将交给多核PC进行下一步的计算,子矩阵间的计算是并行执行的,节点vp经过节点vq到达节点vt,当mpt≥mpq+mqt时,则mpt=mpq+mqt即为该子矩阵节点vp到节点vt的能耗值,其中mpt表示节点vp到节点vt的能耗值,mpq表示节点vp到节点vq的能耗值,mqt表示节点vq到节点vt的能耗值,由此可得各个子矩阵的计算公式如下:
mse=min(mse,msq+mqe)
其中mse为该子矩阵从起始节点vs到终止节点ve的能耗值,msq表示起始节点vs到起始节点vs到与终止节点ve中的任意一节点vq的能耗值,mqe表示起始节点vs到与终止节点ve中的任意一节点vq到终止节点ve的能耗值,将该子矩阵中的除起始节点与终止节点带入上式中进行递归计算,计算出该子矩阵的最小能耗。
Step6、将各个子矩阵的最小能耗值相加,得到该CPS软件的最小能耗值。
本发明的有益效果是:
一种基于分层并行算法的CPS软件能耗计算方法,在基于分层着色Petri的CPS软件能耗建模的基础上,对能耗值预处理成能耗矩阵,之后分割细化各个模块使模块的能耗取值最小,并将分割后的矩阵分别分给多核PC进行并行计算,每个子矩阵分别利用递归的方法计算该矩阵从起始节点到终止节点的能耗,大大提高了能耗计算的效率,缩小了能耗计算的时间复杂度。
附图说明
图1为本发明中的流程图。
具体实施方式
实施例1:如图1所示,一种基于分层并行算法的CPS软件能耗计算方法,并分析出每个模块的CPN能耗结构图;接着通过在CPN Tools软件中模拟运行模型,得到CPS软件各个模块中节点能耗值;然后对各个节点的能耗值进行预处理,分析出模型的输入矩阵Din和输出矩阵Dout、关联矩阵D,并求出CPS软件的能耗矩阵M;再分别对CPS软件的顶层CPN和子层CPN的各个模块分别进行k路分割,通过移动节点使每个模块的能耗值最小;分别计算出子矩阵从起始节点到终止节点的最小能耗;再将各个子矩阵的最小能耗值相加,得到该CPS软件的最小能耗值。
所述基于分层并行算法的CPS软件能耗计算方法的具体步骤如下:
Step1、对CPS软件进行分层着色Petri建模,得到顶层CPN和子层CPN,并分析出每个模块的CPN能耗结构图:
首先,根据CPS软件的功能特性,将CPS软件分为顶层CPN和子层CPN,并分析每层CPN的组成模块、模块内节点的关联关系和模块之间的的关系,得到每个模块的CPN能耗结构图;
Step2、获取CPS软件各个模块中节点能耗值:
将基于分层着色Petri网的CPS软件能耗模型的各个模块在CPN Tools中进行模拟运行,记录下每个模块的各个节点的能耗值;
Step3、对各个节点的能耗值进行预处理,分析出模型的关联矩阵D,并求出CPS软件的能耗矩阵M:
模块中各个节点的能耗的权值wij集合W用n×m的矩阵表示,即:
Petri网的关联矩阵D=Dout-Din,Dout、Din分别为输出矩阵和输入矩阵,其中
i∈{1,2,....m},j∈{1,2,...n},n为库所P的总个数,m为变迁T的总个数;pj与ti分别为库所P与变迁T内的任意元素;
能耗矩阵M为:
Step4、分别对CPS软件的顶层CPN和子层CPN的各个模块分别进行k路分割,使每个模块的能耗值最小:
把矩阵M按行分为k个l×n维的子矩阵Mi,由于一个矩阵的节点能移动到其他k-1个子矩阵,当节点v从a矩阵转移到b矩阵的移动条件为:
其中,l=m÷k,k为任意给定的参数,Mi[a],Mi[b]分别表示子矩阵a和子矩阵b在矩阵M中的权重,m(v)表示节点v的权重,Mmax为矩阵M的上限,Mmin为矩阵M的下限,移动完成后的子矩阵实现了各个模块的能耗值最小;
Step5、子矩阵最小能耗计算:
分割后的子矩阵将交给多核PC进行下一步的计算,子矩阵间的计算是并行执行的,节点vp经过节点vq到达节点vt,当mpt≥mpq+mqt时,则mpt=mpq+mqt即为该子矩阵节点vp到节点vt的能耗值,其中mpt表示节点vp到节点vt的能耗值,mpq表示节点vp到节点vq的能耗值,mqt表示节点vq到节点vt的能耗值,由此可得各个子矩阵的计算公式如下:
mse=min(mse,msq+mqe)
其中mse为该子矩阵从起始节点vs到终止节点ve的能耗值,msq表示起始节点vs到起始节点vs到与终止节点ve中的任意一节点vq的能耗值,mqe表示起始节点vs到与终止节点ve中的任意一节点vq到终止节点ve的能耗值,将该子矩阵中的除起始节点与终止节点带入上式中进行递归计算,计算出该子矩阵的最小能耗。
Step6、将各个子矩阵的最小能耗值相加,得到该CPS软件的最小能耗值。
本发明最后将计算的能耗值与现有能耗计算方法进行对比,证明本发明的高效性。
现有的能耗算法步骤如下
A1:初始化所有节点并将起始点设为标记,进入以下循环;
A2:在到达某点的最小能耗中找最小且未标记的点;
A3:标记找到的点,以此标记点为中间点重新计算所有未标记点的最小能耗路径;
A4:循环以上步骤步至n-1次。
由此可以看出,现有算法的时间复杂度为O(N2),而本发明中,多核PC的每个处理器划分a=l×n个节点,使用了k个处理器,并行最短能耗算法的复杂度为O(2×max(ni)+(max(ni))2),由于N为CPS软件的所有节点数,ni=N÷k为每个处理器上所分节点的数目,当CPS软件的所有节点数N很大时,N2要远大于2×max(ni)+(max(ni))2,所以该发明相较于现有的寻找最短能耗路径算法有了很大的提高。
上面结合附图对本发明的具体实施方式作了详细说明,但是本发明并不限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下作出各种变化。
Claims (1)
1.一种基于分层并行算法的CPS软件能耗计算方法,其特征在于:首先对CPS软件进行分层着色Petri建模,得到顶层CPN和子层CPN,并分析出每个模块的CPN能耗结构图;接着通过在CPN Tools软件中模拟运行模型,得到CPS软件各个模块中节点能耗值;然后对各个节点的能耗值进行预处理,分析出模型的输入矩阵Din和输出矩阵Dout、关联矩阵D,并求出CPS软件的能耗矩阵M;再分别对CPS软件的顶层CPN和子层CPN的各个模块分别进行分割,通过移动节点使每个模块的能耗值最小;分别计算出子矩阵从起始节点到终止节点的最小能耗;再将各个子矩阵的最小能耗值相加,得到该CPS软件的最小能耗值;
所述基于分层并行算法的CPS软件能耗计算方法的具体步骤如下:
Step1、对CPS软件进行分层着色Petri建模,得到顶层CPN和子层CPN,并分析出每个模块的CPN能耗结构图:
首先,根据CPS软件的功能特性,将CPS软件分为顶层CPN和子层CPN,并分析每层CPN的组成模块、模块内节点的关联关系和模块之间的的关系,得到每个模块的CPN能耗结构图;
Step2、获取CPS软件各个模块中节点能耗值:
将基于分层着色Petri网的CPS软件能耗模型的各个模块在CPN Tools中进行模拟运行,记录下每个模块的各个节点的能耗值;
Step3、对各个节点的能耗值进行预处理,分析出模型的关联矩阵D,并求出CPS软件的能耗矩阵M:
模块中各个节点的能耗的权值wij集合W用n×m的矩阵表示,即:
Petri网的关联矩阵D=Dout-Din,Dout、Din分别为输出矩阵和输入矩阵,其中
i∈{1,2,....m},j∈{1,2,...n},n为库所P的总个数,m为变迁T的总个数;pj与ti分别为库所P与变迁T内的任意元素;
能耗矩阵M为:
Step4、分别对CPS软件的顶层CPN和子层CPN的各个模块分别进行k路分割,使每个模块的能耗值最小:
把矩阵M按行分为k个l×n维的子矩阵Mi,由于一个矩阵的节点能移动到其他k-1个子矩阵,当节点v从a矩阵转移到b矩阵的移动条件为:
其中,l=m÷k,k为任意给定的参数,Mi[a],Mi[b]分别表示子矩阵a和子矩阵b在矩阵M中的权重,m(v)表示节点v的权重,Mmax为矩阵M的上限,Mmin为矩阵M的下限,移动完成后的子矩阵实现了各个模块的能耗值最小;
Step5、子矩阵最小能耗计算:
分割后的子矩阵将交给多核PC进行下一步的计算,子矩阵间的计算是并行执行的,节点vp经过节点vq到达节点vt,当mpt≥mpq+mqt时,则mpt=mpq+mqt即为该子矩阵节点vp到节点vt的能耗值,其中mpt表示节点vp到节点vt的能耗值,mpq表示节点vp到节点vq的能耗值,mqt表示节点vq到节点vt的能耗值,由此可得各个子矩阵的计算公式如下:
mse=min(mse,msq+mqe)
其中mse为该子矩阵从起始节点vs到终止节点ve的能耗值,msq表示起始节点vs到起始节点vs与终止节点ve中的任意一节点vq的能耗值,mqe表示起始节点vs与终止节点ve中的任意一节点vq到终止节点ve的能耗值,将该子矩阵中的起始节点与终止节点带入各个子矩阵的计算公式中进行递归计算,计算出该子矩阵的最小能耗;
Step6、将各个子矩阵的最小能耗值相加,得到该CPS软件的最小能耗值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810488305.XA CN108681502B (zh) | 2018-05-21 | 2018-05-21 | 一种基于分层并行算法的cps软件能耗计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810488305.XA CN108681502B (zh) | 2018-05-21 | 2018-05-21 | 一种基于分层并行算法的cps软件能耗计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108681502A CN108681502A (zh) | 2018-10-19 |
CN108681502B true CN108681502B (zh) | 2021-05-14 |
Family
ID=63806967
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810488305.XA Active CN108681502B (zh) | 2018-05-21 | 2018-05-21 | 一种基于分层并行算法的cps软件能耗计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108681502B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109799728B (zh) * | 2018-10-25 | 2022-01-04 | 中国工程物理研究院计算机应用研究所 | 一种基于层次化自适应策略的容错cps仿真测试方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101808109A (zh) * | 2009-10-20 | 2010-08-18 | 清华大学 | 语义Web服务组合的模型转换及形式化验证方法 |
CN102073758A (zh) * | 2010-12-16 | 2011-05-25 | 北京邮电大学 | 基于图灵机模型的增强现实装配环境系统建模方法 |
CN102184136A (zh) * | 2011-04-29 | 2011-09-14 | 中国航天科技集团公司第七一〇研究所 | 一种验证aadl模型运行状态与需求一致性的方法 |
CN103902282A (zh) * | 2014-02-28 | 2014-07-02 | 中标软件有限公司 | Web服务组合到有色Petri网的模型转化方法 |
CN104537224A (zh) * | 2014-12-19 | 2015-04-22 | 北京航空航天大学 | 基于自适应学习算法的多状态系统可靠性分析方法及系统 |
CN107729620A (zh) * | 2017-09-20 | 2018-02-23 | 昆明理工大学 | 一种基于层次着色Petri网的嵌入式软件能耗预测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2784572A1 (en) * | 2011-08-05 | 2013-02-05 | National Research Council Of Canada | Process mining for anomalous cases |
-
2018
- 2018-05-21 CN CN201810488305.XA patent/CN108681502B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101808109A (zh) * | 2009-10-20 | 2010-08-18 | 清华大学 | 语义Web服务组合的模型转换及形式化验证方法 |
CN102073758A (zh) * | 2010-12-16 | 2011-05-25 | 北京邮电大学 | 基于图灵机模型的增强现实装配环境系统建模方法 |
CN102184136A (zh) * | 2011-04-29 | 2011-09-14 | 中国航天科技集团公司第七一〇研究所 | 一种验证aadl模型运行状态与需求一致性的方法 |
CN103902282A (zh) * | 2014-02-28 | 2014-07-02 | 中标软件有限公司 | Web服务组合到有色Petri网的模型转化方法 |
CN104537224A (zh) * | 2014-12-19 | 2015-04-22 | 北京航空航天大学 | 基于自适应学习算法的多状态系统可靠性分析方法及系统 |
CN107729620A (zh) * | 2017-09-20 | 2018-02-23 | 昆明理工大学 | 一种基于层次着色Petri网的嵌入式软件能耗预测方法 |
Non-Patent Citations (4)
Title |
---|
基于CPS软件的体系结构能耗建模评估研究;孙振升;《节能技术》;20170731;第35卷(第4期);全文 * |
基于分层着色Petri网的CPS软件能耗模型;张晶等;《信息与控制》;20180131;第47卷(第1期);正文第107页第0节和第3节 * |
基于层次着色Petri网的网构软件性能建模与仿真分析方法;徐倩等;《小型微型计算机系统》;20160430;第37卷(第4期);全文 * |
基于随机Petri网的嵌入式软件能耗模型;张晶等;《计算机工程》;20170930;第43卷(第9期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN108681502A (zh) | 2018-10-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110070226B (zh) | 基于卷积神经网络与元学习的光伏功率预测方法及系统 | |
CN110381523B (zh) | 一种基于tvf-emd-lstm模型的蜂窝基站网络流量预测方法 | |
CN103106544B (zh) | 一种基于t-s型模糊神经网络的光伏发电预测系统 | |
WO2020257812A3 (en) | Modeling dependencies with global self-attention neural networks | |
CN111696345A (zh) | 一种基于网络社区检测和gcn的耦合大规模数据流宽度学习快速预测智能算法 | |
CN108182316B (zh) | 一种基于人工智能的电磁仿真方法及其电磁大脑 | |
CN110705029B (zh) | 一种基于迁移学习的振荡扑翼能量采集系统流场预测方法 | |
CN104636985A (zh) | 一种改进bp神经网络的输电线路无线电干扰预测方法 | |
CN112084727A (zh) | 一种基于神经网络的转捩预测方法 | |
Liang et al. | A combined model based on CEEMDAN, permutation entropy, gated recurrent unit network, and an improved bat algorithm for wind speed forecasting | |
CN104463381A (zh) | 基于kpca与wlssvm的建筑能耗预测方法 | |
CN109033021A (zh) | 一种基于变参收敛神经网络的线性方程求解器设计方法 | |
CN113221475A (zh) | 一种用于高精度流场分析的网格自适应方法 | |
CN108681502B (zh) | 一种基于分层并行算法的cps软件能耗计算方法 | |
CN107729620A (zh) | 一种基于层次着色Petri网的嵌入式软件能耗预测方法 | |
CN114676522A (zh) | 融合gan和迁移学习的气动形状优化设计方法及系统及设备 | |
Zhang et al. | Short-term load forecasting based on GAD-BP neural network | |
Ranganath et al. | Design of MAC unit in artificial neural network architecture using Verilog HDL | |
Al-Hajj et al. | Estimating solar irradiance using genetic programming technique and meteorological records. | |
CN115577787B (zh) | 量子振幅估计方法、装置、设备以及存储介质 | |
CN116826699A (zh) | 光伏集群功率预测方法、装置、设备及介质 | |
WO2019200548A1 (zh) | 网络模型编译器及相关产品 | |
Xu et al. | NWP feature selection and GCN-based ultra-short-term wind farm cluster power forecasting method | |
US10922618B2 (en) | Multi-pass system for emulating a quantum computer and methods for use therewith | |
Liu et al. | Application of SRNN-GRU in Photovoltaic power Forecasting |
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 |