CN109342018A - 一种水轮机空化状态监测方法 - Google Patents

一种水轮机空化状态监测方法 Download PDF

Info

Publication number
CN109342018A
CN109342018A CN201811533335.4A CN201811533335A CN109342018A CN 109342018 A CN109342018 A CN 109342018A CN 201811533335 A CN201811533335 A CN 201811533335A CN 109342018 A CN109342018 A CN 109342018A
Authority
CN
China
Prior art keywords
turbine
signal
cavitation
function
mean 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.)
Pending
Application number
CN201811533335.4A
Other languages
English (en)
Inventor
张永慧
于月亮
毕帅
丛学飞
叶倩倩
刘志宇
于航
时闻治
夏春芬
杨成旺
刘淑艳
王环东
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.)
JILIN SONGJIANGHE HYDROPOWER Co Ltd
STATE GRID XINYUAN HYDROPOWER CO Ltd
State Grid Corp of China SGCC
Original Assignee
JILIN SONGJIANGHE HYDROPOWER Co Ltd
STATE GRID XINYUAN HYDROPOWER CO Ltd
State Grid Corp of China SGCC
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 JILIN SONGJIANGHE HYDROPOWER Co Ltd, STATE GRID XINYUAN HYDROPOWER CO Ltd, State Grid Corp of China SGCC filed Critical JILIN SONGJIANGHE HYDROPOWER Co Ltd
Priority to CN201811533335.4A priority Critical patent/CN109342018A/zh
Publication of CN109342018A publication Critical patent/CN109342018A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M10/00—Hydrodynamic testing; Arrangements in or on ship-testing tanks or water tunnels

Landscapes

  • Physics & Mathematics (AREA)
  • Fluid Mechanics (AREA)
  • General Physics & Mathematics (AREA)
  • Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)

Abstract

一种水轮机空化状态监测方法，对水轮机空化声发射信号进行采集，将其变成一维的信号；对信号进行分割，利用噪声估计方法对信号对进行噪声标准差估计；观测信号结合实际信号，利用结构块确定相关参数,通过非局部均值算法对实际信号进行降噪，去噪后的水轮机空化声特征量即样本熵、标准差、均值，判断水轮机的空化程度。本发明能有效地监测水轮机空化状态，评估水轮机的使用寿命，保障水电站的安全经济运行。

Description

一种水轮机空化状态监测方法
技术领域
本发明属于水轮机检测技术领域，涉及水轮机相关信号降噪处理，尤其涉及一种水轮机空化状态监测方法。
背景技术
空化现象最早发现于1893年，当英国一艘驱逐舰在做高速试航时，发现其螺旋桨推进器叶片被剥蚀，其后在水力机械(水泵、水轮机)的叶片上也发现了类似情况而水轮机叶片运行状态的好坏直接影响着机组的寿命、效益和安全，一旦水轮机组发生故障所造成的损失是巨大的。为了避免水轮机组发生故障，掌握机组的运行状态，状态监测技术逐渐被应用到水电站。目前国内大中型水电厂也正朝着无人值班、少人值班的管理模式发展，设备维修的方式逐渐从定期预防性维修方式向以状态监测为基础的预测性维修方式过渡。这就需要将自动监测系统投入到实际运用中来，使水轮机组的故障诊断变得更加快捷、准确。空化监测系统就是这样一种系统，它主要通过监测与空化相关的特征信号达到间接监测的目的。
空化易造成水轮机能量特性下降、稳定性恶化，严重时会导致过流部件表面破坏、使用寿命缩短，威胁水电站的安全经济运行。水轮机中发生空化时，伴随空泡瞬间形成和溃灭而产生的冲击波作用于叶片和管壁，将产生一种频率范围在20Hz以上的声发射(AE)信号。
但是由于受水轮机工作环境、采集仪器、测点位置和其他故障引发的冲击等因素影响，水轮机空化状态下采集到的声发射信号易被各种噪声污染，这些噪声的存在将直接影响后续的特征提取和状态识别。然而，对水轮机空化声发射信号降噪处理的研究尚不多见，小波阈值降噪是目前最常用的一种降噪方法，其机理是基于信号与噪声的小波系数在尺度上的不同性质，对不同尺度上的含噪系数采用相应阈值函数进行处理，以达到降噪目的。尽管该方法已经应用于很多领域，但在处理空化声发射信号这类非线性、非平稳性信号时存在小波基和分解层数选择上的局限性。
发明内容
为解决现有技术中存在的以上问题，本发明公开了一种水轮机空化状态监测方法。
为实现上述发明目的，本发明具体采用以下技术方案：
一种水轮机空化状态监测方法，其特征在于，所述空化状态监测方法包括以下步骤：
一种水轮机空化状态监测方法，其特征在于，所述空化状态监测方法包括以下步骤：
步骤1：将超声波传感器传感器安装在在水轮机上，采集水轮机空化声波信号y(n)；
步骤2：对步骤1所采集的水轮机含有噪声的空化声信号进行分割，利用基于相似块对信号y(n)进行噪声标准差估计；
步骤3：通过非局部均值算法对实际水轮机空声发射信号y(n)进行降噪处理，得到去燥后的水轮机空化声信号
步骤4：根据步骤3得到的去噪后的水轮机空化声信号，进行LMD分解，得到去噪后的水轮机空化声特征量，然后对特征量进行提取样本熵、标准差、均值；
步骤5：根据步骤4得到的去噪后的水轮机空化声特征量即样本熵、标准差、均值，判断水轮机的空化程度：
当样本熵低于1，并且均值低于1.2，并且标准差高于0.75时，判断水轮机处于严重的空蚀状态；
当样本熵高于3.2，并且均值高于2，并且标准差低于0.025时，判断水轮机运行状态良好。
当样本熵高于1小于3.2，或者均值高于1.2小于2，或者标准差高于0.025小于0.75时，判断水轮机处于一般的空化状态；
本发明进一步包括以下优选方案：
在步骤1中，水轮机空化声波信号表示为：
y(n)＝x(i)+n(i) (1)
式中，y(n)表示为采集到的含有噪声的水轮机空化声波信号，x(i)表示为理想的原始信号，n(i)为所采集信号中的白噪声。
在步骤2中，按照(2)式进行噪声标准差估计；
h＝0.5σ (2)
式中，h为滤波器的平滑参数，σ为噪声标准差。
在步骤3中，根据公式(3)得到去燥后的水轮机空化声信号
去噪后的信号为：
式中，w(s,z)为在搜索区域I(s)内s和z相似结构块权重的加权平均。
在搜索区域I(s)内所有相似结构块权重的加权平均权值模型如(4)式所示：
式中，H(s,z)表示的通过是Hausdorff距离表示信号中某一以z为中心的相似结构块对以s为中心的两者之间的最大距离，C(t)为归一化参数，h表示平滑参数；BΔ表示结构块。
在步骤4中，具体包括以下内容：
4.1根据去燥后的水轮机空化声信号所有的局部极值点ni，求出所有局部极值平均值mi和包络估计值ai；
4.2用滑动平均法处理后得到局部均值函数m11(t)和包络函数a11(t)；
4.3将原始信号中局部均值函数分离出来得到第一次分解后的函数s11(t)；
4.4将第一次分解后的函数s11(t)作为新函数返回4.1中，将函数s11(t)新函数，求其局部极值点，以为终止条件，得到第n次分解后的函数s1n(t)；
4.5得到包络信号
其中a1n(t)分别表示第n次分解得到包络函数值；
4.6计算得到第n次分解后的函数s1n(t)的第一个PF分量
PF1(t)＝a1s1n(t) (6)
4.7将PF1(t)从中分离出来，获得u1(t)后，将其作为新的原始信号替代重复4.1-4.7的计算过程，直到uq(t)为单调函数，停止迭代
4.8原始信号被分解为
4.9然后对特征量进行提取样本熵，标准差，均值。
本发明采用以上技术方案与现有技术相比，具有以下效果：
本发明基于NLM算法的降噪法相对于其他降噪方法，该方法对实际信号可以实现较好的去噪，并且和LMD相结合提取得到特征量样本熵，偏度，标准差，均值从而对水轮机空化状态进行监测。
附图说明
图1为本发明水轮机空化状态监测方法流程示意图；
图2为NLM参数原理图。
具体实施方式
下面结合说明书附图以及具体实施例，对本发明的技术方案做进一步详细介绍。
一种水轮机空化状态监测方法，其特征在于，所述空化状态监测方法包括以下步骤，流程图如图1所示：
步骤1：将超声波传感器传感器安装在在水轮机上，采集水轮机空化声波信号y(n)，
其中，噪声信号表示为：
y(n)＝x(i)+n(i) (1)
式中，y(n)表示为采集到的含有噪声的空化声发射信号，x(i)表示为理想的原始信号，n(i)为所采集信号中的白噪声；
步骤2：对步骤1所采集的水轮机含有噪声的空化声信号进行分割，利用基于相似块对信号y(n)进行噪声标准差估计；
h＝0.5σ (2)
式中，h为滤波器的平滑参数，σ为噪声标准差；
一维非局部均值算法主要通过三个参数结构块半径P,搜索域半径K(B△＝2K+1)，滤波器参数h。搜索域大小为I(s)，假设结构块的计算在理想情况下扩展到整个信号，因此平均过程完全是非局部的。椭圆表示结构块，其目的是通过多个以样本点t为中心的结构块B确定结构块A的相似程度。h代表平滑参数，它通过控制指数函数的衰减程度来控制权值的大小。h过大，会导致信号过于平滑，降噪过度，从而导致细节严重丢失。h过小指数衰减明显，容易引起噪声波动，导致干涉不同的权值大小，引起平均不充分。h没有范围，确定h之后，就能根据(2)式计算噪声标准差，计算结构图如图2所示；
步骤3：通过非局部均值算法对实际水轮机空声发射信号y(n)进行降噪处理，得到去燥后的水轮机空化声信号去噪后的信号为：
式中，w(s,z)为在搜索区域I(s)内所有相似结构块权重的加权平均，其权值模型如(4)式所示：
式中，H(s,z)表示的是Hausdorff距离取点s和z之间的相似度，C(t)为归一化参数；h表示平滑参数；BΔ表示结构块；
步骤4：根据步骤3得到的去噪后的水轮机空化声信号，进行LMD分解，提取特征值，然后对特征量进行提取样本熵，偏度，标准差，均值；
如下所示：
4.1根据去燥后的水轮机空化声信号所有的局部极值点ni，求出所有局部极值平均值mi和包络估计值ai；
4.2用滑动平均法处理后得到局部均值函数m11(t)和包络函数a11(t)；
4.3将原始信号中局部均值函数分离出来得到第一次分解后的函数s11(t)；
4.4将第一次分解后的函数s11(t)作为新函数返回4.1中，将函数s11(t)新函数，求其局部极值点，以为终止条件，得到第n次分解后的函数s1n(t)；
4.5得到包络信号
其中a1n(t)分别表示第n次分解得到包络函数值；
4.6计算得到第n次分解后的函数s1n(t)的第一个PF分量
PF1(t)＝a1s1n(t) (6)
4.7将PF1(t)从中分离出来，获得u1(t)后，将其作为新的原始信号替代重复4.1-4.7的计算过程，直到uq(t)为单调函数，停止迭代
4.8原始信号被分解为
4.9然后对特征量进行提取样本熵，偏度，标准差，均值。
步骤5：根据步骤4得到的去噪后的水轮机空化声特征量即样本熵，标准差，均值，判断水轮机的空化程度，具体判据如下所示：
当样本熵低于1，并且均值低于1.2，并且标准差高于0.75时，判断水轮机处于严重的空蚀状态；
当样本熵高于3.2，并且均值高于2，并且标准差低于0.025时，判断水轮机运行状态良好。
当样本熵高于1小于3.2，或者均值高于1.2小于2，或者标准差高于0.025小于0.75时，判断水轮机处于一般的空化状态；
为了验证本申请的技术方案，本申请实施例所采用的仿真信号为：
x＝0.1e-85(t-0.015)sin(2400π(t-0.015))+n(t)
其中，0.1e-85(t-0.015)sin(2400π(t-0.015))为原始信号，N＝10000，fs＝10000Hz。n(t)为正态分布的随机白噪声，取均值为0，标准差为0.01。
参考指标如公式(9)，(10)所示
式中，SNR为信噪比，RMSE为均方根误差，s(i)为原始信号，f(i)为降噪后的信号。对仿真信号分别采用NLM,小波阈值降噪，形态学降噪。对4种降噪方法的比较降噪对比如附录表1所示，从表中看出，NLM中的SNR值最大，RMSE最小。
表1
采用国内某座综合精度＜±0.2％的闭式水轮机模型实验平台数据，声发射信号采样频率设置为2.0MHz，带通滤波频率范围为20～500Hz截取其中一段采样点数为2048的声发射信号进行分析，以检验NLM方法对实际空化声发射信号的降噪效果。从表2中看出，NLM中的SNR值最大，RMSE最小。验证了本方法是正确的。
表2
从表三中可以看出，该方法对于水轮机空化状态效果较好，可以作为后续状态评估。
表3工况特征值
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种水轮机空化状态监测方法，其特征在于，所述空化状态监测方法包括以下步骤：
步骤1：将超声波传感器传感器安装在在水轮机上，采集水轮机空化声波信号y(n)；
步骤2：对步骤1所采集的水轮机含有噪声的空化声信号进行分割，利用基于相似块对信号y(n)进行噪声标准差估计；
步骤3：通过非局部均值算法对实际水轮机空声发射信号y(n)进行降噪处理，得到去燥后的水轮机空化声信号
步骤4：根据步骤3得到的去噪后的水轮机空化声信号，进行LMD分解，得到去噪后的水轮机空化声特征量，然后对特征量进行提取样本熵、标准差、均值；
步骤5：根据步骤4得到的去噪后的水轮机空化声特征量即样本熵、标准差、均值，选取判据，判断水轮机的空化程度：
当样本熵低于1，并且均值低于1.2，并且标准差高于0.7时，判断水轮机处于严重的空蚀状态；
当样本熵高于1小于2.35，或者均值高于1.2小于3.2，或者标准差大于0.025小于07时，判断水轮机处于一般的空蚀状态；
当样本熵高于2.35，并且均值高于3.2，并且标准差低于0.025时，判断水轮机运行状态良好。
2.根据权利要求1所述的水轮机空化状态监测方法，其特征在于：
在步骤1中，水轮机空化声波信号表示为：
y(n)＝x(i)+n(i) (1)
式中，y(n)表示为采集到的含有噪声的水轮机空化声波信号，x(i)表示为理想的原始信号，n(i)为所采集信号中的白噪声。
3.根据权利要求1或2所述的水轮机空化状态监测方法，其特征在于：
在步骤2中，按照(2)式进行噪声标准差估计；
h＝0.5σ (2)
式中，h为滤波器的平滑参数，σ为噪声标准差。
4.根据权利要求3所述的水轮机空化状态监测方法，其特征在于：
在步骤3中，根据公式(3)得到去燥后的水轮机空化声信号去噪后的信号为：
式中，w(s,t)为在搜索区域I(s)内所有相似结构块权重的加权平均。
5.根据权利要求4所述的水轮机空化状态监测方法，其特征在于：
在搜索区域I(s)内所有相似结构块权重的加权平均权值模型如(4)式所示：
式中，H(s,z)表示的通过是Hausdorff距离表示信号中某一以z为中心的相似结构块对以s为中心的两者之间的最大距离，C(t)为归一化参数，h表示平滑参数；BΔ表示结构块。
6.根据权利要求1或5所述的水轮机空化状态监测方法，其特征在于：
在步骤4中，具体包括以下内容：
4.1根据去燥后的水轮机空化声信号所有的局部极值点ni，求出所有局部极值平均值mi和包络估计值ai；
4.2用滑动平均法处理后得到局部均值函数m11(t)和包络函数a11(t)；
4.3将原始信号中局部均值函数分离出来得到第一次分解后的函数s11(t)；
4.4将第一次分解后的函数s11(t)作为新函数返回4.1中，将函数s11(t)新函数，求其局部极值点，以为终止条件，得到第n次分解后的函数s1n(t)；
4.5得到包络信号
其中a1n(t)分别表示第n次分解得到包络函数值；
4.6计算得到第n次分解后的函数s1n(t)的第一个PF分量
PF1(t)＝a1s1n(t) (6)
4.7将PF1(t)从中分离出来，获得u1(t)后，将其作为新的原始信号替代重复4.1-4.7的计算过程，直到uq(t)为单调函数，停止迭代
4.8原始信号被分解为
4.9然后对特征量进行提取样本熵，标准差，均值，从而进行判据判断。
CN201811533335.4A 2018-12-14 2018-12-14 一种水轮机空化状态监测方法 Pending CN109342018A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811533335.4A CN109342018A (zh) 2018-12-14 2018-12-14 一种水轮机空化状态监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811533335.4A CN109342018A (zh) 2018-12-14 2018-12-14 一种水轮机空化状态监测方法

Publications (1)

Publication Number Publication Date
CN109342018A true CN109342018A (zh) 2019-02-15

Family

ID=65303904

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811533335.4A Pending CN109342018A (zh) 2018-12-14 2018-12-14 一种水轮机空化状态监测方法

Country Status (1)

Country Link
CN (1) CN109342018A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110954601A (zh) * 2019-12-04 2020-04-03 国网福建省电力有限公司 基于快速包络谱峭度的水轮机空化状态在线评价方法
CN113090440A (zh) * 2021-04-13 2021-07-09 哈动国家水力发电设备工程技术研究中心有限公司 一种检验水泵水轮机转轮破损的方法
CN113255848A (zh) * 2021-07-08 2021-08-13 浙江大学 基于大数据学习的水轮机空化声信号辨识方法
CN114219088A (zh) * 2021-11-02 2022-03-22 中北大学 一种混叠冲击波信号的分解方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6070333A (ja) * 1983-09-28 1985-04-22 Hitachi Ltd キヤビテ−シヨンエロ−ジヨン試験装置
CN101435799A (zh) * 2008-12-19 2009-05-20 清华大学 基于声发射技术的水轮机故障诊断方法及装置
CN203629869U (zh) * 2013-12-19 2014-06-04 太平湾发电厂 水轮机空化监测与分析系统
CN203705398U (zh) * 2014-02-25 2014-07-09 三峡大学 基于超声波检测的水轮机异常预警系统
CN104390781A (zh) * 2014-11-26 2015-03-04 中国矿业大学 一种基于lmd和bp神经网络的齿轮故障诊断方法
CN107886111A (zh) * 2017-10-25 2018-04-06 西安交通大学 一种改进型局部均值分解方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6070333A (ja) * 1983-09-28 1985-04-22 Hitachi Ltd キヤビテ−シヨンエロ−ジヨン試験装置
CN101435799A (zh) * 2008-12-19 2009-05-20 清华大学 基于声发射技术的水轮机故障诊断方法及装置
CN203629869U (zh) * 2013-12-19 2014-06-04 太平湾发电厂 水轮机空化监测与分析系统
CN203705398U (zh) * 2014-02-25 2014-07-09 三峡大学 基于超声波检测的水轮机异常预警系统
CN104390781A (zh) * 2014-11-26 2015-03-04 中国矿业大学 一种基于lmd和bp神经网络的齿轮故障诊断方法
CN107886111A (zh) * 2017-10-25 2018-04-06 西安交通大学 一种改进型局部均值分解方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
祝青林: "非局部均值去噪和LMD综合的滚动轴承故障诊断", 《机床与液压》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110954601A (zh) * 2019-12-04 2020-04-03 国网福建省电力有限公司 基于快速包络谱峭度的水轮机空化状态在线评价方法
CN113090440A (zh) * 2021-04-13 2021-07-09 哈动国家水力发电设备工程技术研究中心有限公司 一种检验水泵水轮机转轮破损的方法
CN113255848A (zh) * 2021-07-08 2021-08-13 浙江大学 基于大数据学习的水轮机空化声信号辨识方法
CN113255848B (zh) * 2021-07-08 2021-10-15 浙江大学 基于大数据学习的水轮机空化声信号辨识方法
US20230023931A1 (en) * 2021-07-08 2023-01-26 Zhejiang University Hydraulic turbine cavitation acoustic signal identification method based on big data machine learning
US11840998B2 (en) * 2021-07-08 2023-12-12 Zhejiang University Hydraulic turbine cavitation acoustic signal identification method based on big data machine learning
CN114219088A (zh) * 2021-11-02 2022-03-22 中北大学 一种混叠冲击波信号的分解方法
CN114219088B (zh) * 2021-11-02 2022-09-27 中北大学 一种混叠冲击波信号的分解方法

Similar Documents

Publication Publication Date Title
CN109342018A (zh) 一种水轮机空化状态监测方法
Rai et al. A review on signal processing techniques utilized in the fault diagnosis of rolling element bearings
Yang et al. Vibration feature extraction techniques for fault diagnosis of rotating machinery: a literature survey
CN106771598B (zh) 一种自适应谱峭度信号处理方法
CN110135316B (zh) 一种舰船辐射噪声中低频线谱的自动检测和提取方法
CN103033567A (zh) 一种基于导波的管道缺陷信号识别方法
CN110458976B (zh) 一种基于小波和主分量分析的螺旋桨空化状态检测方法
CN108444696A (zh) 一种齿轮箱故障分析方法
CN106409351A (zh) 一种核电厂松动部件振动信号的处理方法及装置
CN113901379B (zh) 一种边缘端的实时数据动态在线快速处理方法
CN112207631B (zh) 刀具检测模型的生成方法、检测方法、系统、设备及介质
CN114263621B (zh) 一种离心泵空化故障诊断模拟的试验方法及系统
CN111239565A (zh) 基于分层式去噪模型的充油套管局部放电脉冲信号处理方法及系统
Sun et al. Application of wavelet soft threshold denoising algorithm based on EMD decomposition in vibration signals
CN112963740B (zh) 一种换流站消防管道泄漏监测定位方法
CN116609440B (zh) 基于云边协同的建筑工程质量智能验收管理方法及系统
CN115993503B (zh) 一种变压器的运行检测方法、装置、设备及存储介质
CN110657807B (zh) 基于小波变换检测不连续性的室内定位位移测量方法
CN112539887A (zh) 一种基于wt-lcd-wd的管道泄漏信号去噪方法
CN110555457A (zh) 发动机润滑油磨损信号特征处理系统及方法
CN108020761B (zh) 一种局部放电去噪方法
CN113822565B (zh) 一种风机监测数据时频特征分级细化分析的方法
CN108106717B (zh) 一种基于声音信号识别机组状态的方法
CN115064182A (zh) 自适应梅尔滤波器在强噪声环境下风机故障特征识别方法
CN113889147A (zh) 一种基于动态时间弯曲算法的机械系统声纹信号匹配方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20190215

RJ01 Rejection of invention patent application after publication