CN109740800A - 适用于隧道tbm掘进岩爆风险分级及预测方法与系统 - Google Patents
适用于隧道tbm掘进岩爆风险分级及预测方法与系统 Download PDFInfo
- Publication number
- CN109740800A CN109740800A CN201811550661.6A CN201811550661A CN109740800A CN 109740800 A CN109740800 A CN 109740800A CN 201811550661 A CN201811550661 A CN 201811550661A CN 109740800 A CN109740800 A CN 109740800A
- Authority
- CN
- China
- Prior art keywords
- tunnel
- index
- rockburst risk
- rock
- tbm
- 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.)
- Granted
Links
Landscapes
- Lining And Supports For Tunnels (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提供了一种适用于隧道TBM掘进岩爆风险分级及预测方法及系统,对已有隧道工程中的岩爆进行总结,确定诱发岩爆的主要因素,初步构建岩爆风险的评价体系;分析指标体系中的各指标的关联性和属性约简,建立隧道TBM岩爆风险的评价指标体系,建立岩爆等级及相关各指标的数据库;对数据库的样本进行分析,获取各指标的权重;建立基于多维正态云模型的隧道TBM掘进岩爆风险分级,在隧道TBM掘进中记录各指标参数,将参数代入多维正态云模型中,对隧道前方的岩爆风险等级进行评定。本公开评价信息丰富,结果准确率高。
Description
技术领域
本公开涉及一种适用于隧道TBM掘进岩爆风险分级及预测方法与系统。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息,不必然构成在先技术。
随着我国经济的持续发展,地下工程逐步向深部发展,其中“深”“长”“高围压”成为地下工程新的特点和难点。目前,在我国西北地区很多大型引水隧道在建,因为TBM功法有着掘进速度快,效率高的优点,目前已经成为引水隧道的主要施工方法。其中,岩爆是TBM施工中一类主要的地质灾害,事故一旦发生,后果极其严重。如何利用施工中获得的工程围岩的力场、位移场、岩石性质等信息对TBM掘进岩爆灾害进行准确的风险分级以及对掌子面前方的岩爆灾害进行预测是急需解决的问题。
发明内容
本公开为了解决上述问题,提出了一种适用于隧道TBM掘进岩爆风险分级及预测方法与系统,本公开具有高的准确率。
为了实现上述目的,本公开采用如下技术方案:
一种适用于隧道TBM掘进岩爆风险分级及预测方法,包括以下步骤:
(1)对已有隧道工程中的岩爆进行总结,确定诱发岩爆的主要因素,初步构建岩爆风险的评价体系;
(2)分析指标体系中的各指标的关联性和属性约简,建立隧道TBM岩爆风险的评价指标体系,建立岩爆等级及相关各指标的数据库;
(3)对数据库的样本进行分析,获取各指标的权重;
(4)建立基于多维正态云模型的隧道TBM掘进岩爆风险分级,在隧道TBM掘进中记录各指标参数,将参数代入多维正态云模型中,对隧道前方的岩爆风险等级进行评定。
作为进一步的限定,所述步骤(1)中,地形地貌包括隧道埋深,岩石性质包括岩石完整性系数、岩石单轴抗压强度、岩石抗拉强度和岩石弹性能系数,应力场包括隧道围岩径向压力,隧道第一主应力。
作为更进一步的限定,位移场包括隧道拱顶位移和隧道周边位移。
作为进一步的限定,所述步骤(1)中,指标集包括的指标包括单一指标,也包括各指标计算后获得的新指标。
作为进一步的限定,所述步骤(2)中,使用灰色关联度方法,以岩爆等级为目标集,各参数为属性集合,计算各指标相对于岩爆等级的关联系数。
作为进一步的限定,所述步骤(2)中,按照关联系数大小对指标集合进行约简,建立新的指标集合。
作为进一步的限定,所述步骤(3)中,使用主成分分析法对数据库的样本进行分析。
作为更进一步的限定,主成分分析法的步骤包括:
1.将原始数据按行排列组成矩阵X;
2.对X进行数据标准化,使其均值变为零;
3.求X的协方差矩阵C;
4.将特征向量按特征值由大到小排列,取前k个按行组成矩阵P;
5.通过计算Y=PX,得到降维后数据Y;
6.计算每个特征根的贡献率,选取贡献率之和大于设定值的特征根计算权重。
作为进一步的限定,所述步骤(4)中,所述的围岩岩爆等级分为四级,I级无岩爆;II级弱岩爆;III级中等岩爆;IV级强岩爆。
一种适用于隧道TBM掘进岩爆风险分级及预测系统,运行于处理器或存储器上,被配置为执行以下指令:
(1)获取已有隧道工程中的岩爆信息,确定诱发岩爆的主要因素,初步构建岩爆风险的评价体系;
(2)分析指标体系中的各指标的关联性和属性约简,建立隧道TBM岩爆风险的评价指标体系,建立岩爆等级及相关各指标的数据库;
(3)对数据库的样本进行分析,获取各指标的权重;
(4)建立基于多维正态云模型的隧道TBM掘进岩爆风险分级,在隧道TBM掘进中记录各指标参数,将参数代入多维正态云模型中,对隧道前方的岩爆风险等级进行评定。
与现有技术相比,本公开的有益效果为:
本公开结合TBM施工特点选取评价指标,对指标集的关系进行属性分析,指标集可靠度高,各指标相关性底,适合用主成分分析对权重进行分析,综合云模型具有同时考虑各指标及指标模糊性和随机性的能力,因此,本方法具有评价信息丰富,结果准确率高。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。
图1是本公开的评价流程图;
具体实施方式:
下面结合附图与实施例对本公开作进一步说明。
应该指出,以下详细说明都是例示性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在本公开中,术语如“上”、“下”、“左”、“右”、“前”、“后”、“竖直”、“水平”、“侧”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系,只是为了便于叙述本公开各部件或元件结构关系而确定的关系词,并非特指本公开中任一部件或元件,不能理解为对本公开的限制。
本公开中,术语如“固接”、“相连”、“连接”等应做广义理解,表示可以是固定连接,也可以是一体地连接或可拆卸连接;可以是直接相连,也可以通过中间媒介间接相连。对于本领域的相关科研或技术人员,可以根据具体情况确定上述术语在本公开中的具体含义,不能理解为对本公开的限制。
正如背景技术中所述的岩爆是TBM施工中一类主要的地质灾害,事故一旦发生,后果极其严重。如何利用施工中获得的工程围岩的力场、位移场、岩石性质等信息对TBM掘进岩爆风险进行准确的分级以及对掌子面前方的岩爆风险进行预测是急需解决的问题。
本实施例结合灰色关联度方法,主成分分析法,综合云模型,提出了一种适用于隧道TBM掘进岩爆风险分级及预测方法。本发明对已有隧道工程中的岩爆特点进行总结,从地形地貌,岩石性质,应力场,位移场研究诱发岩爆的主要因素,初步构建岩爆风险的评价体系;使用灰色关联度分析指标体系中的各指标的关联性,结合TBM施工特点,对指标体系进行属性约简分析,建立隧道TBM岩爆风险的评价指标体系;在TBM施工过程中搜集地形地貌,岩石性质,应力场,位移场等相关信息,建立岩爆等级及相关各指标的数据库。使用主成分分析法对数据库的样本进行分析,获取各指标的权重。建立基于多维正态云模型的隧道TBM掘进岩爆风险分级,在隧道TBM掘进中记录各指标参数,将参数代入多维正态云模型中,对隧道前方的岩爆风险等级进行评定。该方法结合TBM施工特点选取评价指标,对指标集的关系进行属性分析,指标集可靠度高,各指标相关性底,适合用主成分分析对权重进行分析,综合云模型具有同时考虑各指标及指标模糊性和随机性的能力,因此,本方法具有评价信息丰富,结果准确率高。
如图1所示,具体包括:
(1)对已有隧道工程中的岩爆进行总结,从地形地貌,岩石性质,应力场,位移场研究诱发岩爆的主要因素,初步构建岩爆风险的评价体系;
地形地貌包括隧道埋深,岩石性质包括岩石完整性系数、岩石单轴抗压强度、岩石抗拉强度、岩石弹性能系数等,应力场包括隧道围岩径向压力,隧道第一主应力。位移场包括隧道拱顶位移,隧道周边位移等。
指标集包括的指标包括单一指标,也包括各指标计算后获得的新指标,例如单轴抗压强度与第一主应力之比,单轴抗压强度与抗拉强度之比等。
(2)使用灰色关联度分析指标体系中的各指标的关联性,结合TBM施工特点,对指标体系进行属性约简分析,建立隧道TBM岩爆风险的评价指标体系;在TBM施工过程中搜集地形地貌,岩石性质,应力场,位移场等相关信息,建立岩爆等级及相关各指标的数据库。
使用灰色关联度方法,以岩爆等级为目标集,各参数为属性集合,计算各指标相对于岩爆等级的关联系数。按照关联系数大小对指标集合进行约简,建立新的指标集合。
(3)使用主成分分析法对数据库的样本进行分析,获取各指标的权重。
主成分分析法的步骤为,1.将原始数据按行排列组成矩阵X;2.对X进行数据标准化,使其均值变为零;3.求X的协方差矩阵C.4.将特征向量按特征值由大到小排列,取前k个按行组成矩阵P;5.通过计算Y=PX,得到降维后数据Y;6.计算每个特征根的贡献率,选取贡献率之和大于80%的特征根计算权重。
(4)建立基于多维正态云模型的隧道TBM掘进岩爆风险分级,在隧道TBM掘进中记录各指标参数,将参数代入多维正态云模型中,对隧道前方的岩爆风险等级进行评定。
围岩岩爆等级分为四级,I级无岩爆;II级弱岩爆;III级中等岩爆;IV级强岩爆。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
上述虽然结合附图对本公开的具体实施方式进行了描述,但并非对本公开保护范围的限制,所属领域技术人员应该明白,在本公开的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。
Claims (10)
1.一种适用于隧道TBM掘进岩爆风险分级及预测方法,其特征是:包括以下步骤:
(1)对已有隧道工程中的岩爆进行总结,确定诱发岩爆的主要因素,初步构建岩爆风险的评价体系;
(2)分析指标体系中的各指标的关联性和属性约简,建立隧道TBM岩爆风险的评价指标体系,建立岩爆等级及相关各指标的数据库;
(3)对数据库的样本进行分析,获取各指标的权重;
(4)建立基于多维正态云模型的隧道TBM掘进岩爆风险分级,在隧道TBM掘进中记录各指标参数,将参数代入多维正态云模型中,对隧道前方的岩爆风险等级进行评定。
2.如权利要求1所述的一种适用于隧道TBM掘进岩爆风险分级及预测方法,其特征是:所述步骤(1)中,地形地貌包括隧道埋深,岩石性质包括岩石完整性系数、岩石单轴抗压强度、岩石抗拉强度和岩石弹性能系数,应力场包括隧道围岩径向压力,隧道第一主应力。
3.如权利要求2所述的一种适用于隧道TBM掘进岩爆风险分级及预测方法,其特征是:位移场包括隧道拱顶位移和隧道周边位移。
4.如权利要求1所述的一种适用于隧道TBM掘进岩爆风险分级及预测方法,其特征是:所述步骤(1)中,指标集包括的指标包括单一指标,也包括各指标计算后获得的新指标。
5.如权利要求1所述的一种适用于隧道TBM掘进岩爆风险分级及预测方法,其特征是:所述步骤(2)中,使用灰色关联度方法,以岩爆等级为目标集,各参数为属性集合,计算各指标相对于岩爆等级的关联系数。
6.如权利要求1所述的一种适用于隧道TBM掘进岩爆风险分级及预测方法,其特征是:所述步骤(2)中,按照关联系数大小对指标集合进行约简,建立新的指标集合。
7.如权利要求1所述的一种适用于隧道TBM掘进岩爆风险分级及预测方法,其特征是:所述步骤(3)中,使用主成分分析法对数据库的样本进行分析。
8.如权利要求7所述的一种适用于隧道TBM掘进岩爆风险分级及预测方法,其特征是:主成分分析法的步骤包括:
1.将原始数据按行排列组成矩阵X;
2.对X进行数据标准化,使其均值变为零;
3.求X的协方差矩阵C;
4.将特征向量按特征值由大到小排列,取前k个按行组成矩阵P;
5.通过计算Y=PX,得到降维后数据Y;
6.计算每个特征根的贡献率,选取贡献率之和大于设定值的特征根计算权重。
9.如权利要求1所述的一种适用于隧道TBM掘进岩爆风险分级及预测方法,其特征是:所述步骤(4)中,所述的围岩岩爆等级分为四级,I级无岩爆;II级弱岩爆;III级中等岩爆;IV级强岩爆。
10.一种适用于隧道TBM掘进岩爆风险分级及预测系统,其特征是:运行于处理器或存储器上,被配置为执行以下指令:
(1)获取已有隧道工程中的岩爆信息,确定诱发岩爆的主要因素,初步构建岩爆风险的评价体系;
(2)分析指标体系中的各指标的关联性和属性约简,建立隧道TBM岩爆风险的评价指标体系,建立岩爆等级及相关各指标的数据库;
(3)对数据库的样本进行分析,获取各指标的权重;
(4)建立基于多维正态云模型的隧道TBM掘进岩爆风险分级,在隧道TBM掘进中记录各指标参数,将参数代入多维正态云模型中,对隧道前方的岩爆风险等级进行评定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811550661.6A CN109740800B (zh) | 2018-12-18 | 2018-12-18 | 适用于隧道tbm掘进岩爆风险分级及预测方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811550661.6A CN109740800B (zh) | 2018-12-18 | 2018-12-18 | 适用于隧道tbm掘进岩爆风险分级及预测方法与系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109740800A true CN109740800A (zh) | 2019-05-10 |
CN109740800B CN109740800B (zh) | 2021-10-29 |
Family
ID=66360438
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811550661.6A Active CN109740800B (zh) | 2018-12-18 | 2018-12-18 | 适用于隧道tbm掘进岩爆风险分级及预测方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109740800B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110472363A (zh) * | 2019-08-22 | 2019-11-19 | 山东大学 | 适用于高速铁路隧道的围岩变形等级预测方法及系统 |
CN110826223A (zh) * | 2019-11-05 | 2020-02-21 | 山东省交通科学研究院 | 基于综合属性测度的岩爆危险性预测方法、系统及介质 |
CN110852423A (zh) * | 2019-11-12 | 2020-02-28 | 中铁工程装备集团有限公司 | 基于迁移学习的隧道掘进机掘进性能与控制参数预测方法 |
CN111125872A (zh) * | 2019-11-11 | 2020-05-08 | 中铁隧道局集团有限公司 | 一种用于tbm掘进隧道的岩爆预测方法 |
CN111222683A (zh) * | 2019-11-15 | 2020-06-02 | 山东大学 | 一种基于pca-knn的tbm施工围岩综合分级预测方法 |
CN112765791A (zh) * | 2021-01-04 | 2021-05-07 | 清华大学 | 一种基于数值样本和随机森林的tbm卡机风险预测方法 |
CN112926267A (zh) * | 2021-03-10 | 2021-06-08 | 山东大学 | 一种基于掘进参数反演的tbm隧道岩爆等级预测方法及系统 |
CN113191585A (zh) * | 2021-03-23 | 2021-07-30 | 广东电网有限责任公司东莞供电局 | 一种输电线路的台风致灾风险评估方法 |
CN113821977A (zh) * | 2021-09-28 | 2021-12-21 | 成都理工大学 | 一种用于tbm隧道施工的岩爆风险评估系统及方法 |
CN115907565A (zh) * | 2023-02-14 | 2023-04-04 | 清华四川能源互联网研究院 | 引水隧洞结构安全评价方法、装置、电子设备和存储介质 |
CN117195594A (zh) * | 2023-11-06 | 2023-12-08 | 中国矿业大学(北京) | 隧道岩爆等级评估方法、装置、电子设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104200284A (zh) * | 2014-09-01 | 2014-12-10 | 山东科技大学 | 矿井断层构造预测方法 |
US20160070828A1 (en) * | 2013-04-08 | 2016-03-10 | China University of Mining & Technology, Beijng | Vulnerability Assessment Method of Water Inrush from Aquifer Underlying Coal Seam |
CN106407493A (zh) * | 2016-03-15 | 2017-02-15 | 中南大学 | 一种基于多维高斯云模型的岩爆等级评价方法 |
-
2018
- 2018-12-18 CN CN201811550661.6A patent/CN109740800B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160070828A1 (en) * | 2013-04-08 | 2016-03-10 | China University of Mining & Technology, Beijng | Vulnerability Assessment Method of Water Inrush from Aquifer Underlying Coal Seam |
CN104200284A (zh) * | 2014-09-01 | 2014-12-10 | 山东科技大学 | 矿井断层构造预测方法 |
CN106407493A (zh) * | 2016-03-15 | 2017-02-15 | 中南大学 | 一种基于多维高斯云模型的岩爆等级评价方法 |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110472363B (zh) * | 2019-08-22 | 2021-08-27 | 山东大学 | 适用于高速铁路隧道的围岩变形等级预测方法及系统 |
CN110472363A (zh) * | 2019-08-22 | 2019-11-19 | 山东大学 | 适用于高速铁路隧道的围岩变形等级预测方法及系统 |
CN110826223A (zh) * | 2019-11-05 | 2020-02-21 | 山东省交通科学研究院 | 基于综合属性测度的岩爆危险性预测方法、系统及介质 |
CN111125872A (zh) * | 2019-11-11 | 2020-05-08 | 中铁隧道局集团有限公司 | 一种用于tbm掘进隧道的岩爆预测方法 |
CN110852423A (zh) * | 2019-11-12 | 2020-02-28 | 中铁工程装备集团有限公司 | 基于迁移学习的隧道掘进机掘进性能与控制参数预测方法 |
CN110852423B (zh) * | 2019-11-12 | 2023-01-24 | 中铁工程装备集团有限公司 | 基于迁移学习的隧道掘进机掘进性能与控制参数预测方法 |
CN111222683A (zh) * | 2019-11-15 | 2020-06-02 | 山东大学 | 一种基于pca-knn的tbm施工围岩综合分级预测方法 |
CN111222683B (zh) * | 2019-11-15 | 2022-09-20 | 山东大学 | 一种基于pca-knn的tbm施工围岩综合分级预测方法 |
CN112765791A (zh) * | 2021-01-04 | 2021-05-07 | 清华大学 | 一种基于数值样本和随机森林的tbm卡机风险预测方法 |
CN112926267A (zh) * | 2021-03-10 | 2021-06-08 | 山东大学 | 一种基于掘进参数反演的tbm隧道岩爆等级预测方法及系统 |
CN113191585A (zh) * | 2021-03-23 | 2021-07-30 | 广东电网有限责任公司东莞供电局 | 一种输电线路的台风致灾风险评估方法 |
CN113821977A (zh) * | 2021-09-28 | 2021-12-21 | 成都理工大学 | 一种用于tbm隧道施工的岩爆风险评估系统及方法 |
CN113821977B (zh) * | 2021-09-28 | 2023-04-18 | 成都理工大学 | 一种用于tbm隧道施工的岩爆风险评估系统及方法 |
CN115907565A (zh) * | 2023-02-14 | 2023-04-04 | 清华四川能源互联网研究院 | 引水隧洞结构安全评价方法、装置、电子设备和存储介质 |
CN115907565B (zh) * | 2023-02-14 | 2023-06-23 | 清华四川能源互联网研究院 | 引水隧洞结构安全评价方法、装置、电子设备和存储介质 |
CN117195594A (zh) * | 2023-11-06 | 2023-12-08 | 中国矿业大学(北京) | 隧道岩爆等级评估方法、装置、电子设备及存储介质 |
CN117195594B (zh) * | 2023-11-06 | 2024-01-30 | 中国矿业大学(北京) | 隧道岩爆等级评估方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109740800B (zh) | 2021-10-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109740800A (zh) | 适用于隧道tbm掘进岩爆风险分级及预测方法与系统 | |
CN103592690B (zh) | 基于电成像测井孔隙度谱信息自动识别储层裂缝的方法 | |
CN111486902B (zh) | 一种基于大数据的大跨度桥梁安全性能实时监测系统 | |
CN103306722B (zh) | 一种冲击危险区的微震多维信息综合区域探测评价方法 | |
CN106021875B (zh) | 一种地震扰动区多尺度泥石流风险评估的方法 | |
CN106407493B (zh) | 一种基于多维高斯云模型的岩爆等级评价方法 | |
CN110864966B (zh) | 一种适用于裂缝型岩石的可压性评价方法 | |
CN109931109A (zh) | 一种基于多元数据的隧道施工动态塌方安全综合预警方法 | |
CN104730596A (zh) | 一种基于多尺度因素约束的离散裂缝建模方法 | |
CN104318103A (zh) | 一种滑坡灾害监测预警降雨阈值判定方法 | |
CN108133115B (zh) | 基于数值模拟及极限平衡计算的滑坡危险性评价方法 | |
CN111580181B (zh) | 一种基于多场多特征信息融合的导水陷落柱识别方法 | |
CN108709532B (zh) | 一种阶梯状跳跃变形的斜边坡稳定性评价方法 | |
CN108596518A (zh) | 一种公路地质灾害危险性评估方法 | |
CN105447762B (zh) | 一种流体替换的低渗透油藏水淹信息的计算方法 | |
CN101216955A (zh) | 滑坡灾变过程时空预测的智能方法 | |
CN110020749A (zh) | 一种基于微震分形预测冲击危险等级的综合智能预测方法 | |
CN104794315B (zh) | 基于改进断裂力学模型的煤层底板破坏带深度确定方法 | |
CN108280969A (zh) | 一种高边坡表面变形监测预警系统及其预警方法 | |
CN102289734A (zh) | 基坑工程动态风险评估与管理方法 | |
CN107305700A (zh) | 判断煤与瓦斯是否会突出的方法 | |
CN112686522A (zh) | 一种Newmark修正模型地震滑坡危险性评估方法 | |
CN105184050A (zh) | 一种gis与人工智能技术支持下的滑坡危险度评价方法 | |
CN102998133A (zh) | 一种基于准分布式加速度数据的能量损伤识别方法 | |
CN104537652B (zh) | 一种水泥混凝土路面刻槽深度三维检测方法及系统 |
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 |