CN108734619A - 一种城市行驶工况构建系统 - Google Patents
一种城市行驶工况构建系统 Download PDFInfo
- Publication number
- CN108734619A CN108734619A CN201810476962.2A CN201810476962A CN108734619A CN 108734619 A CN108734619 A CN 108734619A CN 201810476962 A CN201810476962 A CN 201810476962A CN 108734619 A CN108734619 A CN 108734619A
- Authority
- CN
- China
- Prior art keywords
- operating mode
- driving cycle
- block
- module
- mode 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.)
- Withdrawn
Links
- 238000012545 processing Methods 0.000 claims abstract description 16
- 238000007781 pre-processing Methods 0.000 claims abstract description 11
- 238000000034 method Methods 0.000 claims description 7
- 238000005192 partition Methods 0.000 claims description 3
- 239000003344 environmental pollutant Substances 0.000 abstract description 4
- 239000000446 fuel Substances 0.000 abstract description 4
- 231100000719 pollutant Toxicity 0.000 abstract description 4
- 238000011160 research Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- KLDZYURQCUYZBL-UHFFFAOYSA-N 2-[3-[(2-hydroxyphenyl)methylideneamino]propyliminomethyl]phenol Chemical compound OC1=CC=CC=C1C=NCCCN=CC1=CC=CC=C1O KLDZYURQCUYZBL-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 201000001098 delayed sleep phase syndrome Diseases 0.000 description 1
- 208000033921 delayed sleep phase type circadian rhythm sleep disease Diseases 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Tourism & Hospitality (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Probability & Statistics with Applications (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种城市行驶工况构建系统，包括工况数据采集模块、工况数据预处理模块、工况数据处理模块、行驶工况构建模块，所述工况数据采集模块用于确定城市行驶工况数据并对行驶工况数据的采集，所述工况数据预处理模块用于对采集的行驶工况数据进行预处理，所述工况数据处理模块用于对于经过预处理的行驶工况数据进行处理，所述行驶工况构建模块用于根据经过处理的行驶工况数据构建城市行驶工况。本发明的友谊效果为：通过对工况数据进行采集和处理、实现了城市行驶工况的准确构建，为确定车辆污染物排放量和燃油消耗量奠定了基础。
Description
技术领域
本发明涉及城市交通技术领域，具体涉及一种城市行驶工况构建系统。
背景技术
城市行驶工况是描述车辆行驶速度与时间的曲线，它主要用于确定车辆污染物排放量和燃油消耗量，为新车型的技术开发和评估等提供参考依据。世界各国均重视开发适合本国的典型行驶工况，国内不少城市也都构建出了适合本地区的典型行驶工况，对行驶工况构建方法的研究不仅具有理论意义，而且具有实用价值。目前国内外行驶工况构建方法的研究主要集中在行驶数据的采集上，对如何选取合理的特征参数来构建工况车辆行驶的研究较少。
发明内容
针对上述问题，本发明旨在提供一种城市行驶工况构建系统。
本发明的目的采用以下技术方案来实现：
提供了一种城市行驶工况构建系统，包括工况数据采集模块、工况数据预处理模块、工况数据处理模块、行驶工况构建模块，所述工况数据采集模块用于确定城市行驶工况数据并对行驶工况数据的采集，所述工况数据预处理模块用于对采集的行驶工况数据进行预处理，所述工况数据处理模块用于对于经过预处理的行驶工况数据进行处理，所述行驶工况构建模块用于根据经过处理的行驶工况数据构建城市行驶工况。
本发明的有益效果为：通过对工况数据进行采集和处理、实现了城市行驶工况的准确构建，为确定车辆污染物排放量和燃油消耗量奠定了基础。
优选的，所述工况数据采集模块采集的行驶工况数据为车辆行驶速度，所述工况数据预处理模块包括一次去噪模块和二次去噪模块，所述一次去噪模块用于去除行驶工况数据的脉冲噪声，所述二次去噪模块用于去除行驶工况数据的高频噪声。
优选的，所述一次去噪模块用于去除行驶工况数据的脉冲噪声，采用下式进行：
式中,v1(t)表示经过一次去噪后车辆在t时刻的行驶速度，v(t)表示车辆在t时刻的行驶速度。
优选的，所述二次去噪模块用于去除行驶工况数据的高频噪声，采用下式进行：
式中，v2(t)表示经过二次去噪后车辆在t时刻的行驶速度。
优选的，所述工况数据处理模块包括一次处理模块和二次处理模块，所述一次处理模块用于将预处理后的行驶工况数据划分为工况子块，所述二次处理模块用于选择工况子块特征参数并对工况子块进行分类处理。
优选的，所述一次处理模块用于将预处理后的行驶工况数据划分为工况子块，具体为：将相邻两个停车点之间的车辆行驶过程作为一个工况子块。
优选的，所述二次处理模块包括特征选择子模块和分类子模块，所述特征选择子模块用于确定工况子块的特征向量，所述分类子模块用于根据特征向量对工况子块进行分类；
所述特征选择子模块用于确定工况子块的特征向量，具体为：采用下式确定工况子块的第一特征参数：
式中，T1表示工况子块的第一特征参数，n表示工况子块的时间长度，vi表示车辆在工况子块内i时刻的车速；
采用下式确定工况子块的第二特征参数：
式中，T2表示工况子块的第二特征参数，n1表示工况子块内速度为0的时间长度；
所述工况子块的特征向量为：T＝[T1,T2]，式中，T表示工况子块的特征向量。
优选的，所述分类子模块用于根据特征向量对工况子块进行分类，具体为：以第一特征参数和第二特征参数为坐标轴确定工况子块的二维散点图，每个点代表一个工况子块，采用K-means聚类，根据散点图位置将工况子块划分为城市中心工况、城市郊区工况和高速公路工况三类。
优选的，所述行驶工况构建模块用于根据经过处理的行驶工况数据构建城市行驶工况，具体为：计算各类工况子块中各工况子块持续时间之和占工况数据中所有工况子块总时间的比例，将该比例作为各类工况子块在构建城市行驶工况中所占的时间比例；将距离聚类中心最近的工况子块作为该类的代表工况子块；将城市行驶工况时间确定为2000秒，根据时间比例确定各类工况的时间，将各类代表工况子块循环达到所述各类工况的时间；将达到所述各类工况的时间的各类工况连接，得到城市行驶工况。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1是本发明的结构示意图；
附图标记：
工况数据采集模块1、工况数据预处理模块2、工况数据处理模块3、行驶工况构建模块4。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1，本实施例的一种城市行驶工况构建系统，包括工况数据采集模块1、工况数据预处理模块2、工况数据处理模块3、行驶工况构建模块4，所述工况数据采集模块1用于确定城市行驶工况数据并对行驶工况数据的采集，所述工况数据预处理模块2用于对采集的行驶工况数据进行预处理，所述工况数据处理模块3用于对于经过预处理的行驶工况数据进行处理，所述行驶工况构建模块4用于根据经过处理的行驶工况数据构建城市行驶工况；
本实施例通过对工况数据进行采集和处理、实现了城市行驶工况的准确构建，为确定车辆污染物排放量和燃油消耗量奠定了基础。
优选的，所述工况数据采集模块采集1的行驶工况数据为车辆行驶速度，所述工况数据预处理模块2包括一次去噪模块和二次去噪模块，所述一次去噪模块用于去除行驶工况数据的脉冲噪声，所述二次去噪模块用于去除行驶工况数据的高频噪声；
所述一次去噪模块用于去除行驶工况数据的脉冲噪声，采用下式进行：
式中,v1(t)表示经过一次去噪后车辆在t时刻的行驶速度，v(t)表示车辆在t时刻的行驶速度；
所述二次去噪模块用于去除行驶工况数据的高频噪声，采用下式进行：
式中，v2(t)表示经过二次去噪后车辆在t时刻的行驶速度；
驾驶员在驾驶车辆的过程中，车辆会产生脉冲噪声和高频噪声，两种噪声会影响到最终行驶工况构建，本优选实施例通过对行驶工况数据进行采集，滤除了脉冲噪声和高频噪声，为后期行驶工况准确构建奠定了基础；
优选的，所述工况数据处理模块3包括一次处理模块和二次处理模块，所述一次处理模块用于将预处理后的行驶工况数据划分为工况子块，所述二次处理模块用于选择工况子块特征参数并对工况子块进行分类处理；
所述一次处理模块用于将预处理后的行驶工况数据划分为工况子块，具体为：将相邻两个停车点之间的车辆行驶过程作为一个工况子块；
所述二次处理模块包括特征选择子模块和分类子模块，所述特征选择子模块用于确定工况子块的特征向量，所述分类子模块用于根据特征向量对工况子块进行分类；
所述特征选择子模块用于确定工况子块的特征向量，具体为：采用下式确定工况子块的第一特征参数：
式中，T1表示工况子块的第一特征参数，n表示工况子块的时间长度，vi表示车辆在工况子块内i时刻的车速；
采用下式确定工况子块的第二特征参数：
式中，T2表示工况子块的第二特征参数，n1表示工况子块内速度为0的时间长度；
所述工况子块的特征向量为：T＝[T1,T2]，式中，T表示工况子块的特征向量；
所述分类子模块用于根据特征向量对工况子块进行分类，具体为：以第一特征参数和第二特征参数为坐标轴确定工况子块的二维散点图，每个点代表一个工况子块，采用K-means聚类，根据散点图位置将工况子块划分为城市中心工况、城市郊区工况和高速公路工况三类；
本优选实施例针对行驶工况子块，对特征参数进行选择，以第一特征参数和第二特征参数构建工况子块特征向量，不仅能减少各个构建过程的运算量，还能消除与油耗和排放相关性差的不必要的特征参数，有助于后续提高构建工况效率，
优选的，所述行驶工况构建模块4用于根据经过处理的行驶工况数据构建城市行驶工况，具体为：计算各类工况子块中各工况子块持续时间之和占工况数据中所有工况子块总时间的比例，将该比例作为各类工况子块在构建城市行驶工况中所占的时间比例；将距离聚类中心最近的工况子块作为该类的代表工况子块；将城市行驶工况时间确定为2000秒，根据时间比例确定各类工况的时间，将各类代表工况子块循环达到所述各类工况的时间；将达到所述各类工况的时间的各类工况连接，得到城市行驶工况。
本优选实施例对工况数据进行分类后，运用距离聚类中心越近越能代表类特征的原则，选取代表工况子块，准确构建了城市行驶工况。
通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解应当理解，可以以硬件、软件、固件、中间件、代码或其任何恰当组合来实现这里描述的实施例。对于硬件实现，处理器可以在一个或多个下列单元中实现：专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器、设计用于实现这里所描述功能的其他电子单元或其组合。对于软件实现，实施例的部分或全部流程可以通过计算机程序来指令相关的硬件来完成。实现时，可以将上述程序存储在计算机可读介质中或作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是计算机能够存取的任何可用介质。计算机可读介质可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其他光盘存储、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。
Claims (9)
1.一种城市行驶工况构建系统，其特征在于，包括工况数据采集模块、工况数据预处理模块、工况数据处理模块、行驶工况构建模块，所述工况数据采集模块用于确定城市行驶工况数据并对行驶工况数据的采集，所述工况数据预处理模块用于对采集的行驶工况数据进行预处理，所述工况数据处理模块用于对于经过预处理的行驶工况数据进行处理，所述行驶工况构建模块用于根据经过处理的行驶工况数据构建城市行驶工况。
2.根据权利要求1所述的城市行驶工况构建系统，其特征在于，所述工况数据采集模块采集的行驶工况数据为车辆行驶速度，所述工况数据预处理模块包括一次去噪模块和二次去噪模块，所述一次去噪模块用于去除行驶工况数据的脉冲噪声，所述二次去噪模块用于去除行驶工况数据的高频噪声。
3.根据权利要求2所述的城市行驶工况构建系统，其特征在于，所述一次去噪模块用于去除行驶工况数据的脉冲噪声，采用下式进行：
式中,v1(t)表示经过一次去噪后车辆在t时刻的行驶速度，v(t)表示车辆在t时刻的行驶速度。
4.根据权利要求3所述的城市行驶工况构建系统，其特征在于，所述二次去噪模块用于去除行驶工况数据的高频噪声，采用下式进行：
式中，v2(t)表示经过二次去噪后车辆在t时刻的行驶速度。
5.根据权利要求4所述的城市行驶工况构建系统，其特征在于，所述工况数据处理模块包括一次处理模块和二次处理模块，所述一次处理模块用于将预处理后的行驶工况数据划分为工况子块，所述二次处理模块用于选择工况子块特征参数并对工况子块进行分类处理。
6.根据权利要求5所述的城市行驶工况构建系统，其特征在于，所述一次处理模块用于将预处理后的行驶工况数据划分为工况子块，具体为：将相邻两个停车点之间的车辆行驶过程作为一个工况子块。
7.根据权利要求6所述的城市行驶工况构建系统，其特征在于，所述二次处理模块包括特征选择子模块和分类子模块，所述特征选择子模块用于确定工况子块的特征向量，所述分类子模块用于根据特征向量对工况子块进行分类；
所述特征选择子模块用于确定工况子块的特征向量，具体为：采用下式确定工况子块的第一特征参数：
式中，T1表示工况子块的第一特征参数，n表示工况子块的时间长度，vi表示车辆在工况子块内i时刻的车速；
采用下式确定工况子块的第二特征参数：
式中，T2表示工况子块的第二特征参数，n1表示工况子块内速度为0的时间长度；
所述工况子块的特征向量为：T＝[T1,T2]，式中，T表示工况子块的特征向量。
8.根据权利要求7所述的城市行驶工况构建系统，其特征在于，所述分类子模块用于根据特征向量对工况子块进行分类，具体为：以第一特征参数和第二特征参数为坐标轴确定工况子块的二维散点图，每个点代表一个工况子块，采用K-means聚类，根据散点图位置将工况子块划分为城市中心工况、城市郊区工况和高速公路工况三类。
9.根据权利要求8所述的城市行驶工况构建系统，其特征在于，所述行驶工况构建模块用于根据经过处理的行驶工况数据构建城市行驶工况，具体为：计算各类工况子块中各工况子块持续时间之和占工况数据中所有工况子块总时间的比例，将该比例作为各类工况子块在构建城市行驶工况中所占的时间比例；将距离聚类中心最近的工况子块作为该类的代表工况子块；将城市行驶工况时间确定为2000秒，根据时间比例确定各类工况的时间，将各类代表工况子块循环达到所述各类工况的时间；将达到所述各类工况的时间的各类工况连接，得到城市行驶工况。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810476962.2A CN108734619A (zh) | 2018-05-18 | 2018-05-18 | 一种城市行驶工况构建系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810476962.2A CN108734619A (zh) | 2018-05-18 | 2018-05-18 | 一种城市行驶工况构建系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108734619A true CN108734619A (zh) | 2018-11-02 |
Family
ID=63937674
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810476962.2A Withdrawn CN108734619A (zh) | 2018-05-18 | 2018-05-18 | 一种城市行驶工况构建系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108734619A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111693299A (zh) * | 2020-06-16 | 2020-09-22 | 安徽江淮汽车集团股份有限公司 | 动力测试行驶工况制定方法、装置、终端设备及存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106021961A (zh) * | 2016-06-20 | 2016-10-12 | 吉林大学 | 基于遗传算法优化的城市标准循环工况构建方法 |
| CN107067722A (zh) * | 2017-04-24 | 2017-08-18 | 中国汽车技术研究中心 | 一种新的车辆行驶工况构建方法 |
| CN107145989A (zh) * | 2017-06-12 | 2017-09-08 | 南京航空航天大学 | 基于人‑车‑交通路况的实际行驶工况构建方法 |
-
2018
- 2018-05-18 CN CN201810476962.2A patent/CN108734619A/zh not_active Withdrawn
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106021961A (zh) * | 2016-06-20 | 2016-10-12 | 吉林大学 | 基于遗传算法优化的城市标准循环工况构建方法 |
| CN107067722A (zh) * | 2017-04-24 | 2017-08-18 | 中国汽车技术研究中心 | 一种新的车辆行驶工况构建方法 |
| CN107145989A (zh) * | 2017-06-12 | 2017-09-08 | 南京航空航天大学 | 基于人‑车‑交通路况的实际行驶工况构建方法 |
Non-Patent Citations (1)
| Title |
|---|
| 詹森: "基于工况与驾驶风格识别的混合动力汽车能量管理策略研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111693299A (zh) * | 2020-06-16 | 2020-09-22 | 安徽江淮汽车集团股份有限公司 | 动力测试行驶工况制定方法、装置、终端设备及存储介质 |
| CN111693299B (zh) * | 2020-06-16 | 2021-07-20 | 安徽江淮汽车集团股份有限公司 | 动力测试行驶工况制定方法、装置、终端设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101419679B (zh) | 一种混合动力电动汽车行驶状态的智能识别方法 | |
| CN108595853B (zh) | 一种基于遗传算法的并联混合动力汽车参数优化设计方法 | |
| CN109272747B (zh) | 一种信号控制平面交叉口可变导向车道属性动态调整阈值设置方法 | |
| CN102360532A (zh) | 路口交通信号控制系统及其控制方法 | |
| CN1707544A (zh) | 城市路网交通流状态估计方法 | |
| CN101419677B (zh) | 一种识别混合动力电动汽车行驶状态的方法 | |
| CN109484210A (zh) | 一种电动车辆的电机扭矩输出方法、系统及相关组件 | |
| CN108629970B (zh) | 基于蒙特卡罗树搜索的交叉口信号参数优化方法 | |
| CN115665936B (zh) | 一种隧道照明节能控制策略生成方法、系统、终端及介质 | |
| CN103593986A (zh) | 一种优化尾气排放的干线绿波协调控制信号配时方法 | |
| CN108734619A (zh) | 一种城市行驶工况构建系统 | |
| CN104866286B (zh) | 一种基于OpenCL与SoC-FPGA的K近邻分类加速方法 | |
| CN110969865B (zh) | 一种城市智慧交通信息化监测系统 | |
| CN108263272A (zh) | 声音模拟实现方法、装置、声音模拟器和车辆 | |
| CN107609310A (zh) | 一种用于仿真的未知电机Map的生成方法 | |
| CN104751652B (zh) | 基于遗传算法的绿波优化算法 | |
| CN108572651A (zh) | 一种智能化程度高的无人驾驶车辆 | |
| CN103991389A (zh) | 一种燃料电池混合动力公交车能量管理方法及装置 | |
| CN113763728B (zh) | 一种交通组织及信号配时协同优化方法、装置及设备 | |
| CN208279954U (zh) | 可双向行驶的有轨电车单车道结构 | |
| CN106056906A (zh) | 一种干线协调控制条件下的信号交叉口左弯待转区设置模块及其工作方法 | |
| CN101419678B (zh) | 一种识别混合动力电动汽车运行状态的方法 | |
| CN116858751A (zh) | 基于代表车型声音处理的透水混凝土路面孔隙率测算方法 | |
| CN113034907B (zh) | 一种生态智慧车速诱导方法及装置 | |
| CN114435379B (zh) | 车辆经济性驾驶控制方法及装置 |
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 | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20181102 |