CN109558697A - 一种用于盾构施工机载参数的特征参数选择方法及系统 - Google Patents
一种用于盾构施工机载参数的特征参数选择方法及系统 Download PDFInfo
- Publication number
- CN109558697A CN109558697A CN201910039735.8A CN201910039735A CN109558697A CN 109558697 A CN109558697 A CN 109558697A CN 201910039735 A CN201910039735 A CN 201910039735A CN 109558697 A CN109558697 A CN 109558697A
- Authority
- CN
- China
- Prior art keywords
- data
- parameter
- airborne
- value
- chi
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
Landscapes
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种用于盾构施工机载参数的特征参数选择方法及系统。获取盾构传感器采集的原始数据;对所述原始数据进行清洗,得到清洗数据;对所述清洗数据进行预处理,得到预处理数据;对所述预处理数据中包含的所有的机载参数进行卡方检验,得到多个机载参数的卡方值;将多个所述机载参数的卡方值按照由大到小排序,并选取前N个卡方值的机载参数,将所述前N个卡方值的机载参数中的前K个机载参数代入到评价模型,得到N个评价指标;K为1至N的整数;比较所述N个评价指标的大小,确定评价指标最大的K的值;将前K个机载参数作为特征参数组合。本发明能够实现从种类繁多的盾构机载参数中选择出若干包含有用信息的特征参数进行分析。
Description
技术领域
本发明涉及机器学习领域,特别是涉及一种用于盾构施工机载参数的特征参数选择方法及系统。
背景技术
盾构是用于隧道施工的自动化、系统化的大型隧道掘进设备,集机械、力学、自动化等多学科应用为一体。由于盾构组成复杂,所以各部分传感器返回参数种类多。而且盾构传感器采样频率高,整体数据量大,所以很难使用传统方法对全部盾构数据进行分析与处理。
盾构机载数据含有丰富的信息,同时也包含大量重复冗余信息,过量的数据信息会给后续分析过程造成极大的困难。对预测模型而言,冗余的信息不会给为模型训练做出贡献,其中,不良的特征参数会降低模型的精度。
盾构机载参数中的一些关键参数可以用于识别地质并预测推力、扭矩等响应参数。由于数据量大,参数种类多,计算时间成本有限,现有的盾构工程中的数据分析需要进行特征参数的筛选过程。
发明内容
本发明的目的是提供一种用于盾构施工机载参数的特征参数选择方法及系统,能够从种类繁多的盾构机载参数中选择出若干包含有用信息的特征参数进行分析。
为实现上述目的,本发明提供了如下方案:
一种用于盾构施工机载参数的特征参数选择方法,包括:
获取盾构传感器采集的原始数据;
对所述原始数据进行清洗,得到清洗数据;
对所述清洗数据进行预处理,得到预处理数据;
对所述预处理数据中包含的所有的机载参数进行卡方检验,得到多个机载参数的卡方值;
将多个所述机载参数的卡方值按照由大到小排序,并选取前N个卡方值的机载参数;
将所述前N个卡方值的机载参数中的前K个机载参数代入到评价模型,得到N个评价指标,K为1至N的整数;
比较所述N个评价指标的大小,确定评价指标最大的K的值;
将所述前K个机载参数作为特征参数组合。
可选的,所述对所述原始数据进行清洗,得到清洗数据,具体包括:
当传感器传回的原始数据中的无效值、缺失值无法进行后续数据处理部分的数据量占比小于设定值时,对这部分数据进行清除,得到清除后的数据;
当传感器传回的原始数据中的无效值、缺失值无法进行后续数据处理部分的数据量占比大于设定值时,对这部分数据采用插值填充方法填补修正数据,得到填补后的数据;
根据所述清除后的数据和所述填补后的数据,得到清洗数据。
可选的,所述对所述清洗数据进行预处理,得到预处理数据,具体包括:
对所述清洗数据进行归一化公式的预处理,得到预处理数据;
其中,x和xpre分别为预处理前后的参数值,xmax为参数中最大的参数值,xmin为参数中最小的参数值。
可选的,所述对所述预处理数据中包含的所有的机载参数进行卡方检验,得到多个机载参数的卡方值,具体包括:
对所述预处理数据中包含的所有的机载参数通过公式进行卡方检验,得到多个机载参数的卡方值;
其中et和ec的取值为1或0,et表示该数据是否为属于参数t,ec表示是否被归于c类。N为实际值,E为期望值。
一种用于盾构施工机载参数的特征参数选择系统,包括:
获取模块,用于获取盾构传感器采集的原始数据;
清洗模块,用于对所述原始数据进行清洗,得到清洗数据;
预处理模块,用于对所述清洗数据进行预处理,得到预处理数据;
卡方检验模块,用于对所述预处理数据中包含的所有的机载参数进行卡方检验,得到多个机载参数的卡方值;
排序模块,用于将多个所述机载参数的卡方值按照由大到小排序,并选取前N个卡方值的机载参数;
评价指标获取模块,用于将所述前N个卡方值的机载参数中的前K个机载参数代入到评价模型,得到N个评价指标,K为1至N的整数;
K值确定模块,用于比较所述N个评价指标的大小,确定评价指标最大的K的值;
特征参数组合确定模块,用于将所述前K个机载参数作为特征参数组合。
可选的,所述清洗模块,具体包括:
清除单元,用于当传感器传回的原始数据中的无效值、缺失值无法进行后续数据处理部分的数据量占比小于设定值时,对这部分数据进行清除,得到清除后的数据;
填补单元,当传感器传回的原始数据中的无效值、缺失值无法进行后续数据处理部分的数据量占比大于设定值时,对这部分数据采用插值填充方法填补修正数据,得到填补后的数据;
结合单元,用于根据所述清除后的数据和所述填补后的数据,得到清洗数据。
可选的,所述预处理模块,具体包括:
预处理单元,用于对所述清洗数据进行归一化公式的预处理,得到预处理数据;
其中,x和xpre分别为预处理前后的参数值,xmax为参数中最大的参数值,xmin为参数中最小的参数值。
可选的,所述卡方检验模块,具体包括:
卡方检验单元,用于对所述预处理数据中包含的所有的机载参数通过公式进行卡方检验,得到多个机载参数的卡方值;
其中et和ec的取值为1或0,et表示该数据是否为属于参数t,ec表示是否被归于c类。N为实际值,E为期望值。
根据本发明提供的具体实施例,本发明公开了以下技术效果:本发明提供一种用于盾构施工机载参数的特征参数选择方法,通过卡方检验进行特征参数选择,能针对不同的预测目标有效地提取出具有代表性的参数作为各种模型的输入,能够从种类繁多的盾构机载参数中选择出若干包含有用信息的特征参数进行分析;在保证准确性的同时减少了计算量,原理简单高效;对数据要求不高,能适应工程中常见的残缺数据集,且提取出的特征参数在相近工况下具有一定的通用性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例用于盾构施工机载参数的特征参数选择方法流程图;
图2为本发明实施例用于盾构施工机载参数的特征参数选择系统结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种用于盾构施工机载参数的特征参数选择方法及系统,能够从种类繁多的盾构机载参数中选择出若干包含有用信息的特征参数进行分析。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明实施例用于盾构施工机载参数的特征参数选择方法流程图。如图1所示,一种用于盾构施工机载参数的特征参数选择方法,包括:
步骤101:获取盾构传感器采集的原始数据;
步骤102:对所述原始数据进行清洗,得到清洗数据;
步骤103:对所述清洗数据进行预处理,得到预处理数据;
步骤104:对所述预处理数据中包含的所有的机载参数进行卡方检验,得到多个机载参数的卡方值;
步骤105:将多个所述机载参数的卡方值按照由大到小排序,并选取前N个卡方值的机载参数;
步骤106:将所述前N个卡方值的机载参数中的前K个机载参数代入到评价模型,得到N个评价指标,K为1至N的整数;
步骤107:比较所述N个评价指标的大小,确定评价指标最大的K的值;
步骤108:将所述前K个机载参数作为特征参数组合。
步骤102,具体包括:
当传感器传回的原始数据中的无效值、缺失值无法进行后续数据处理部分的数据量占比小于设定值时,对这部分数据进行清除,得到清除后的数据;
当传感器传回的原始数据中的无效值、缺失值无法进行后续数据处理部分的数据量占比大于设定值时,对这部分数据采用插值填充方法填补修正数据,得到填补后的数据;
根据所述清除后的数据和所述填补后的数据,得到清洗数据。
步骤103,具体包括:
对所述清洗数据进行归一化公式的预处理,得到预处理数据;
其中,x和xpre分别为预处理前后的参数值,xmax为参数中最大的参数值,xmin为参数中最小的参数值。
步骤104,具体包括:
对所述预处理数据中包含的所有的机载参数通过公式进行卡方检验,得到多个机载参数的卡方值;
其中et和ec的取值为1或0,et表示该数据是否为属于参数t,ec表示是否被归于c类。N为实际值,E为期望值。c类泛指某类,例如待识别的地质有1,2两类,则e1=1表示该参数属于1类,则e1=0表示该参数不属于1类。
卡方检验法用于检验事件的独立性。χ2值表示实际值与期望值之间的偏离程度。χ2高值表示独立假设是不正确的。如果这两个事件是相依的,那么这个参数的出现使得目标值的发生更有可能(或更不可能),因此它作为一个特征应该是有帮助的。这就是卡方检验特征选择的基本原理。
通过卡方检验进行特征参数选择,能针对不同的预测目标有效地提取出具有代表性的参数作为各种模型的输入,能够从种类繁多的盾构机载参数中选择出若干包含有用信息的特征参数进行分析;在保证准确性的同时减少了计算量,原理简单高效;对数据要求不高,能适应工程中常见的残缺数据集,且提取出的特征参数在相近工况下具有一定的通用性。
各卡方值排序由高到低,但是具体取前多少个参数作为输入需要带入模型进行验证,比如第一次就使用最高的那一个,然后验证测试准确率;第二次使用前两个,第三次使用前三个,以此类推。因为事实上它不是一个一直升高的过程,在某个参数数量之后会出现准确率的下降,所需要的就是选出评价指标最高时的参数组合作为输入。
图2为本发明实施例用于盾构施工机载参数的特征参数选择系统结构图。如图2所示,一种用于盾构施工机载参数的特征参数选择系统,包括:
获取模块201,用于获取盾构传感器采集的原始数据;
清洗模块202,用于对所述原始数据进行清洗,得到清洗数据;
预处理模块203,用于对所述清洗数据进行预处理,得到预处理数据;
卡方检验模块204,用于对所述预处理数据中包含的所有的机载参数进行卡方检验,得到多个机载参数的卡方值;
排序模块205,用于将多个所述机载参数的卡方值按照由大到小排序,并选取前N个卡方值的机载参数;
评价指标获取模块206,用于将所述前N个卡方值的机载参数中的前K个机载参数代入到评价模型,得到N个评价指标,K为1至N的整数;
K值确定模块207,用于比较所述N个评价指标的大小,确定评价指标最大的K的值;
特征参数组合确定模块208,用于将所述前K个机载参数作为特征参数组合。
所述清洗模块202,具体包括:
清除单元,用于当传感器传回的原始数据中的无效值、缺失值无法进行后续数据处理部分的数据量占比小于设定值时,对这部分数据进行清除,得到清除后的数据;
填补单元,当传感器传回的原始数据中的无效值、缺失值无法进行后续数据处理部分的数据量占比大于设定值时,对这部分数据采用插值填充方法填补修正数据,得到填补后的数据;
结合单元,用于根据所述清除后的数据和所述填补后的数据,得到清洗数据。
所述预处理模块203,具体包括:
预处理单元,用于对所述清洗数据进行归一化公式的预处理,得到预处理数据;
其中,x和xpre分别为预处理前后的参数值,xmax为参数中最大的参数值,xmin为参数中最小的参数值。
所述卡方检验模块204,具体包括:
卡方检验单元,用于对所述预处理数据中包含的所有的机载参数通过公式进行卡方检验,得到多个机载参数的卡方值;
其中et和ec的取值为1或0,et表示该数据是否为属于参数t,ec表示是否被归于c类。N为实际值,E为期望值。
具体实施例1:
本实施例所用的天津地铁3号线的盾构掘进机载参数。
步骤一:获取盾构传感器采集的原始数据。
步骤二:数据清洗。本步骤是为了处理传感器所传回的原始数据中的异常值,在本例中处理的异常值占总数据量的比例约为8%。
步骤三:归一化预处理。本步骤是为了消除量纲及量级对数据处理时的影响,我们对数据进行归一化处理。
步骤四:卡方检验。在本例中一共有87种机载参数进行卡方检验,分别针对地质识别的多分类问题与盾构掘进推力预测的回归问题进行卡方检验,分别给出这两个问题下87个参数的卡方值。
步骤五:参数筛选。在本实施例针对的地质识别问题中,在选择χ2值最大的5个机载参数作为输入时,分类准确率最高为85.4%,则这5个机载参数的组合为该问题下使用本发明筛选出的特征参数组合;在本实施例针对的盾构掘进推力预测的回归问题中,在选择χ2值最大的7个机载参数作为输入时,预测均方根误差最低为264816.5,则这7个机载参数的组合为该问题下使用本发明筛选出的特征参数组合。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种用于盾构施工机载参数的特征参数选择方法,其特征在于,包括:
获取盾构传感器采集的原始数据;
对所述原始数据进行清洗,得到清洗数据;
对所述清洗数据进行预处理,得到预处理数据;
对所述预处理数据中包含的所有的机载参数进行卡方检验,得到多个机载参数的卡方值;
将多个所述机载参数的卡方值按照由大到小排序,并选取前N个卡方值的机载参数;
将所述前N个卡方值的机载参数中的前K个机载参数代入到评价模型,得到N个评价指标,K为1至N的整数;
比较所述N个评价指标的大小,确定评价指标最大的K的值;
将所述前K个机载参数作为特征参数组合。
2.根据权利要求1所述的用于盾构施工机载参数的特征参数选择方法,其特征在于,所述对所述原始数据进行清洗,得到清洗数据,具体包括:
当传感器传回的原始数据中的无效值、缺失值无法进行后续数据处理部分的数据量占比小于设定值时,对这部分数据进行清除,得到清除后的数据;
当传感器传回的原始数据中的无效值、缺失值无法进行后续数据处理部分的数据量占比大于设定值时,对这部分数据采用插值填充方法填补修正数据,得到填补后的数据;
根据所述清除后的数据和所述填补后的数据,得到清洗数据。
3.根据权利要求1所述的用于盾构施工机载参数的特征参数选择方法,其特征在于,所述对所述清洗数据进行预处理,得到预处理数据,具体包括:
对所述清洗数据进行归一化公式的预处理,得到预处理数据;
其中,x和xpre分别为预处理前后的参数值,xmax为参数中最大的参数值,xmin为参数中最小的参数值。
4.根据权利要求1所述的用于盾构施工机载参数的特征参数选择方法,其特征在于,所述对所述预处理数据中包含的所有的机载参数进行卡方检验,得到多个机载参数的卡方值,具体包括:
对所述预处理数据中包含的所有的机载参数通过公式进行卡方检验,得到多个机载参数的卡方值;
其中et和ec的取值为1或0,et表示该数据是否属于参数t,ec表示是否被归于c类。N为实际值,E为期望值。
5.一种用于盾构施工机载参数的特征参数选择系统,其特征在于,包括:
获取模块,用于获取盾构传感器采集的原始数据;
清洗模块,用于对所述原始数据进行清洗,得到清洗数据;
预处理模块,用于对所述清洗数据进行预处理,得到预处理数据;
卡方检验模块,用于对所述预处理数据中包含的所有的机载参数进行卡方检验,得到多个机载参数的卡方值;
排序模块,用于将多个所述机载参数的卡方值按照由大到小排序,并选取前N个卡方值的机载参数;
评价指标获取模块,用于将所述前N个卡方值的机载参数中的前K个机载参数代入到评价模型,得到N个评价指标,K为1至N的整数;
K值确定模块,用于比较所述N个评价指标的大小,确定评价指标最大的K的值;
特征参数组合确定模块,用于将所述前K个机载参数作为特征参数组合。
6.根据权利要求5所述的用于盾构施工机载参数的特征参数选择系统,其特征在于,所述清洗模块,具体包括:
清除单元,用于当传感器传回的原始数据中的无效值、缺失值无法进行后续数据处理部分的数据量占比小于设定值时,对这部分数据进行清除,得到清除后的数据;
填补单元,当传感器传回的原始数据中的无效值、缺失值无法进行后续数据处理部分的数据量占比大于设定值时,对这部分数据采用插值填充方法填补修正数据,得到填补后的数据;
结合单元,用于根据所述清除后的数据和所述填补后的数据,得到清洗数据。
7.根据权利要求5所述的用于盾构施工机载参数的特征参数选择系统,其特征在于,所述预处理模块,具体包括:
预处理单元,用于对所述清洗数据进行归一化公式的预处理,得到预处理数据;
其中,x和xpre分别为预处理前后的参数值,xmax为参数中最大的参数值,xmin为参数中最小的参数值。
8.根据权利要求5所述的用于盾构施工机载参数的特征参数选择方法,其特征在于,所述卡方检验模块,具体包括:
卡方检验单元,用于对所述预处理数据中包含的所有的机载参数通过公式进行卡方检验,得到多个机载参数的卡方值;
其中et和ec的取值为1或0,et表示该数据是否为属于参数t,ec表示是否被归于c类。N为实际值,E为期望值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910039735.8A CN109558697A (zh) | 2019-01-16 | 2019-01-16 | 一种用于盾构施工机载参数的特征参数选择方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910039735.8A CN109558697A (zh) | 2019-01-16 | 2019-01-16 | 一种用于盾构施工机载参数的特征参数选择方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109558697A true CN109558697A (zh) | 2019-04-02 |
Family
ID=65872939
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910039735.8A Pending CN109558697A (zh) | 2019-01-16 | 2019-01-16 | 一种用于盾构施工机载参数的特征参数选择方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109558697A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110020694A (zh) * | 2019-04-19 | 2019-07-16 | 中铁工程装备集团有限公司 | 一种基于智能驱动模型的tbm不良地质辨识方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108109701A (zh) * | 2017-12-29 | 2018-06-01 | 田嫣然 | 一种胎儿体重估算模型的建立方法及系统 |
CN108868805A (zh) * | 2018-06-08 | 2018-11-23 | 西安电子科技大学 | 基于统计分析与XGboost结合的盾构纠偏方法 |
-
2019
- 2019-01-16 CN CN201910039735.8A patent/CN109558697A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108109701A (zh) * | 2017-12-29 | 2018-06-01 | 田嫣然 | 一种胎儿体重估算模型的建立方法及系统 |
CN108868805A (zh) * | 2018-06-08 | 2018-11-23 | 西安电子科技大学 | 基于统计分析与XGboost结合的盾构纠偏方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110020694A (zh) * | 2019-04-19 | 2019-07-16 | 中铁工程装备集团有限公司 | 一种基于智能驱动模型的tbm不良地质辨识方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100440092C (zh) | 生产管理系统 | |
Kataoka et al. | A quantitative evaluation of maintainability enhancement by refactoring | |
Piepho | An algorithm for a letter-based representation of all-pairwise comparisons | |
Fioravanti et al. | A study on fault-proneness detection of object-oriented systems | |
CN102789545A (zh) | 基于退化模型匹配的涡轮发动机剩余寿命的预测方法 | |
CN111563606A (zh) | 一种设备预测性维护方法及装置 | |
CN104899327A (zh) | 一种无类别标签的时间序列异常检测方法 | |
CN105786678A (zh) | 一种基于相关性模型的测试性预计方法 | |
CN111222683A (zh) | 一种基于pca-knn的tbm施工围岩综合分级预测方法 | |
CN109993459A (zh) | 一种复杂多含水层矿井突水水源识别方法 | |
CN106203637A (zh) | 一种基于马氏距离和健康指数的机载系统健康评估方法 | |
CN110348150A (zh) | 一种基于相关概率模型的故障检测方法 | |
CN112766301B (zh) | 一种采油机示功图相似性判断方法 | |
Rashmi et al. | Defect detection efficiency of the combined approach | |
CN111007064A (zh) | 一种基于图像识别的录井岩性智能识别方法 | |
CN107067023A (zh) | 一种故障诊断方法和装置 | |
CN103902798B (zh) | 数据预处理方法 | |
CN109558697A (zh) | 一种用于盾构施工机载参数的特征参数选择方法及系统 | |
CN106991050B (zh) | 一种静态测试空指针引用缺陷假阳性识别方法 | |
AlOmar et al. | Do design metrics capture developers perception of quality? an empirical study on self-affirmed refactoring activities | |
DE102019203149A1 (de) | Zeitreihen-datenanalysevorrichtung | |
CN106250937A (zh) | 一种基于非相似度指标的故障分类诊断方法 | |
Chamoli et al. | Analysing software metrics for accurate dynamic defect prediction models | |
CN101901185A (zh) | 一种按类组织执行轨迹的面向对象程序缺陷定位方法 | |
Ratzinger et al. | Quality assessment based on attribute series of software evolution |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190402 |