CN110059372A - 一种基于差分进化算法的管壳式换热器的多目标设计方法 - Google Patents
一种基于差分进化算法的管壳式换热器的多目标设计方法 Download PDFInfo
- Publication number
- CN110059372A CN110059372A CN201910250961.0A CN201910250961A CN110059372A CN 110059372 A CN110059372 A CN 110059372A CN 201910250961 A CN201910250961 A CN 201910250961A CN 110059372 A CN110059372 A CN 110059372A
- Authority
- CN
- China
- Prior art keywords
- heat exchanger
- shell
- evolution algorithm
- differential evolution
- tube heat
- 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
- 238000013461 design Methods 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 title claims abstract description 33
- 239000003517 fume Substances 0.000 claims description 12
- 238000013178 mathematical model Methods 0.000 abstract description 10
- 239000012141 concentrate Substances 0.000 abstract description 3
- 239000012530 fluid Substances 0.000 description 34
- 238000012546 transfer Methods 0.000 description 16
- 238000005457 optimization Methods 0.000 description 10
- 238000009826 distribution Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 239000012809 cooling fluid Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 239000003546 flue gas Substances 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
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
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Hardware Design (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Genetics & Genomics (AREA)
- Physiology (AREA)
- Mathematical Physics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Linguistics (AREA)
- Heat-Exchange Devices With Radiators And Conduit Assemblies (AREA)
Abstract
本发明提出了一种差分进化算法的管壳式换热器的多目标设计方法,首先根据设计要求采集管式换热器的相关初始参数;之后建立运行成本目标函数、总熵产数目标函数和约束条件;最后获取包括运行成本目标函数和总熵产数目标函数组成的多目标优化函数模型,运用差分进化算法,对该多目标优化函数模型在设计范围内求出最优解集;根据最优解集对管式换热器进行分配。本发明以管壳式换热器的热力学数学模型为基础,同时考虑运行成本和总熵产数两个设计目标,采用差分进化算法,分析多个设计参数对两个目标函数的影响,得到使两个目标都达到比较优秀的最优设计集,工程师可以根据实际的设计需求在最优设计集中选择最优的设计方案。
Description
技术领域
本发明属于换热器优化技术领域,尤其涉及一种基于差分进化算法的管壳式换热器的多目标设计方法。
背景技术
换热器是实现不同温度流体之间热量传递的关键设备,其结构优化设计是提高传热效率、降低生产成本、节约能源等目标的重要手段。目前,换热器的设计方法大多基于设备选型及设计规定,此种设计方法依赖于设计者的经验,优化目标单一,通过实际操作条件进行设备选型和设计参数调整,工作量大,所得到的只是其中的一种可行方案,设计效率低,不能进行多目标的权衡。国内外研究者对不同类型的换热器实现了优化。一种方法以常见换热器初始投资成本的估算方法,涉及了换热器的类型、程数、选材等因素,将多数换热器的初始投资成本计算式转化为换热面积的关系式;另一种方法以流动阻力和温差传热引起的总熵产值最小作为优化目标,优化传热元件、换热器及传热系统的相关设计参数,并将总熵产值作为衡量换热器性能的一个标准。
但以上两种方法均是基于单目标设计优化,由于单目标设计优化只是针对单个目标及参数影响进行分析,容易出现换热器传热性能和经济性能的冲突,并且没有将管排数设置为影响参数,因此以上两种方法对换热器实际运行的优化效果存在误差。此外,由于评价换热器传热性能的标准不统一,多为依靠单目标单因素分析,不能分析多个设计参数对不同设计目标的影响,因此现有技术中基于设计标准的优化设计无法实现全局最优,优化效果存在误差。
发明内容
本发明的目的在于提供一种基于差分进化算法的管壳式换热器的多目标设计方法,基于换热器优化数学模型,对换热器的运行成本和总熵产数进行多目标优化,基于差分进化算法求解两个目标的最优设计集,工程师可以根据实际的设计需求在最优设计集中选择最优的设计方案。为实现上述目的,本发明所采用的技术方案为:
一种基于差分进化算法的管壳式换热器的多目标设计方法,包括以下步骤:
S1:根据设计要求采集管式换热器的相关初始参数;
S2:建立运行成本目标函数和约束条件;
S3:建立总熵产数目标函数和约束条件;
S4:获取包括运行成本目标函数和总熵产数目标函数组成的多目标优化函数模型,运用差分进化算法,对该多目标优化函数模型在设计范围内求出最优解集;根据最优解集对管式换热器进行分配。
优选地,步骤S2和S3中的约束条件均满足M1cp1(t1-t′1)=M2cp2(t′2-t2)。
优选地,
优选地,
优选地,
优选地,
优选地,
优选地,
优选地,所述初始参数包括管长、管外径、管横向排数、管纵向排数、管横向节距、管纵向节距、烟气侧进口温度、烟气侧出口温度、蒸汽侧进口温度、蒸汽侧出口温度、烟气侧进口压力、蒸汽侧进口压力、烟气侧流量和蒸汽侧流量。
与现有技术相比,本发明的优点为:
1)基于壳式换热器优化数学模型和差分进化算法,对换热器的运行成本目标和总熵产数目标同时进行优化设计,得到的最优设计数据带来的运行成本和总熵产数均优于初始参数(采集到的数据)带来的运行成本和总熵产数,使换热器的经济性能和传热性能得到全面提升。
2)应用本发明,可直接求解最优设计集,为涉及人员节省了大量的试算工作。
附图说明
图1为本发明一实施例的基于差分进化算法的管壳式换热器的多目标设计方法的流程图;
图2为图1中差分进化算法流程图;
图3为图1中运行成本目标函数的Pareto解分布情况;
图4为图1中总熵产数目标函数的Pareto解分布情况;
图5为图1中最优解集中运行成本目标函数和总熵产数目标函数的分布关系图;
图6为图1中管壳式换热器优化数学模型的侧视图;
图7为图6的主视图。
具体实施方式
下面将结合示意图对本发明的基于差分进化算法的管壳式换热器的多目标设计方法进行更详细的描述,其中表示了本发明的优选实施例,应该理解本领域技术人员可以修改在此描述的本发明,而仍然实现本发明的有利效果。因此,下列描述应当被理解为对于本领域技术人员的广泛知道,而并不作为对本发明的限制。
如图1所示,一种基于差分进化算法的管壳式换热器的多目标设计方法,包括以下步骤S1~S4,具体为:
S1:根据设计要求采集管式换热器的相关初始参数;其中初始参数包括管壳式换热器的管长lmin,lmax、管外径d1min,d1max、管横向排数n1min,n1max、管纵向排数n2min,n2max、管横向节距s1min,s1max、管纵向节距s2min,s2max、烟气侧进口温度T1min,T1max、烟气侧出口温度T’1min,T’1max、蒸汽侧进口温度T2min,T2max、蒸汽侧出口温度T’2min,T’2max、烟气侧进口压力P1min,P1max、蒸汽侧进口压力 P2min,P2max、烟气侧流量m1min,m1max、蒸汽侧流量m2min,m2max。,具体见图 6~图7;管式换热器设计要求和物性参数如表1、表2所示。
表1管壳式换热器设计需求
表2过热器优化设计选择的物性参数
S2:在不考虑折旧费用时,可通过优化泵与风机的功率间接优化换热器的运
行成本,运行成本体现了换热器的经济性能,建立运行成本目标函数:
式(1)中,Δp1为管壳式换热器的热流体侧压力损失;Δp2为管壳式换热器的冷流体侧压力损失;V1为烟气体积流量(m3/s);V2为蒸汽体积流量(m3/s);η1为风机效率;η2为风机效率。
根据换热器中热流体的放热量等于冷流体的吸热量,建立约束条件:
M1cp1(t1-t′1)=M2cp2(t′2-t2) (2)
式(2)中:M1,M2为换热器中热流体和冷流体的质量流量(kg·s-1);cp1,cp2为换热器中热流体和冷流体的定压比热(J·(kg·K)-1);t1、t’1为换热器的热流体进出口温度(℃);t2、t’2换热器的冷流体进出口温度(℃)。
管壳式换热器以热流体密度ρ1、热流体流速u1、阻力系数ζ,作为热流体侧压力损失数学模型,式(3)输入,得到管壳式换热器的热流体侧压力损失Δp1;
管壳式换热器以沿程阻力系数λ、管长l、管内径d、冷流体密度ρ2、冷流体流速u2,作为冷流体侧压力损失数学模型,式(4)输入,得到管壳式换热器的冷流体侧压力损失Δp2;
S3:传热过程中的总熵产数综合考虑了两侧流体的能量损失,反映了传热过程中能量损失占总热流量的比例,体现了换热器的传热性能,传热过程的总熵产由压力损失引起的熵产和温差传热引起的熵产两部分组成,建立总熵产数目标函数:
根据换热器中热流体的放热量等于冷流体的吸热量,建立约束条件:
M1cp1(t1-t′1)=M2cp2(t′2-t2) (6)
管壳式换热器以热流体温度与壁温的温度差ΔT1、热流体侧对流换热系数α1、热流体侧换热面积A1、环境温度T0、热流体质量流率m1、热流体定压比热 cp1、平均温度Tm1、换热面上总热流量Q,作为热流体侧传热温差引起的熵产数数学模型,式(7)输入,得到管壳式换热器的热流体侧传热温差引起的熵产数
管壳式换热器以热流体侧压力损失Δp1、热流体质量流率m1、热流体侧换热面积A1、热流体密度ρ1、环境温度T0、热流体平均温度作为热流体侧压力损失引起的熵产数数学模型,式(8)输入,得到管壳式换热器的热流体侧压力损失引起的熵产数
管壳式换热器以冷流体温度与壁温的温度差ΔT2、冷流体平均温度冷流体侧换热面积A2、环境温度T0、壁面温度Tw、冷流体进出口温度T2,T’2、平均温度Tm2、换热面上总热流量Q,作为冷流体侧传热温差引起的熵产数数学模型,式(9)输入,得到管壳式换热器的冷流体侧传热温差引起的熵产数
管壳式换热器以冷流体侧压力损失Δp2、冷流体密度ρ2、环境温度T0、冷流体平均温度作为冷流体侧压力损失引起的熵产数数学模型,式(10)输入,得到管壳式换热器的冷流体侧压力损失引起的熵产数
S4:获取包括运行成本目标函数和总熵产数目标函数组成的多目标优化函数模型,运用差分进化算法,对该多目标优化函数模型在设计范围内求出最优解集;根据最优解集对管式换热器进行分配,如图2所示。
运用差分进化算法,设定种群大小pop(N)为1000,遗传代数gen为 30000代;目标函数的个数Multi-objective(M)为2,决策变量的个数Variable (V)为6,初始化父代种群,随机赋值;设定缩放因子为0.9,变叉率为0.1,采用锦标赛选择策略,锦标赛的规模设为3,实行快速非支配排序,同时对每个非支配层中的个体采用拥挤度计算,根据非支配关系以及个体的拥挤度选取合适的个体组成新的父代种群,计算的终止条件为算法的迭代次数达到设定的最大代数,算法计算过程结束,给出最优解集;如表3所示,为决策变量取值范围。
表3决策变量取值范围
在本实施例中,目标函数中运行成本由功率代替。管壳式换热器泵与风机的功率设计数据为3.667MW,传热过程的总熵产数设计数据为0.0392。图3中可以看出,最优解集中功率最低为0.36MW,最高为3.2MW,均优于原设计值。在运行成本上最大可以降低90.18%;图4中可以看出,最优解集中总熵产数最低为0.0187,最高为0.0385,在传热性能上最大提高了52.30%。图5中可以看出,两个目标函数并不是正相关的,而是反比例函数的关系,当泵与风机的功率最大即P=3.20MW时,总熵产数最小为0.0187;当泵与风机功率最小即 P=0.36MW时,总熵产数最大为0.0385。传热过程的总熵产数在泵与风机功率为 0.3MW~1MW时急剧减小,然后平缓地减小;而泵与风机的功率在总熵产数为 0.039~0.022之间时缓慢增长,然后迅速地增长。两目标函数是矛盾的,无法同时达到最优,但分布在(1MW,0.02)附近的两目标函数均能达到相对最优,设计者可选择其对应的决策变量进行优化设计。
综上,在本发明实施例提供的基于差分进化算法的管壳式换热器的多目标设计方法中,以管壳式换热器的热力学数学模型为基础,同时考虑运行成本和总熵产数两个设计目标,采用差分进化算法,分析多个设计参数对两个目标函数的影响,得到使两个目标都达到比较优秀的最优设计集,工程师可以根据实际的设计需求在最优设计集中选择最优的设计方案。
上述仅为本发明的优选实施例而已,并不对本发明起到任何限制作用。任何所属技术领域的技术人员,在不脱离本发明的技术方案的范围内,对本发明揭露的技术方案和技术内容做任何形式的等同替换或修改等变动,均属未脱离本发明的技术方案的内容,仍属于本发明的保护范围之内。
Claims (9)
1.一种基于差分进化算法的管壳式换热器的多目标设计方法,其特征在于,包括以下步骤:
S1:根据设计要求采集管式换热器的相关初始参数;
S2:建立运行成本目标函数和约束条件;
S3:建立总熵产数目标函数和约束条件;
S4:获取包括运行成本目标函数和总熵产数目标函数组成的多目标优化函数模型,运用差分进化算法,对该多目标优化函数模型在设计范围内求出最优解集;根据最优解集对管式换热器进行分配。
2.根据权利要求1所述的基于差分进化算法的管壳式换热器的多目标设计方法,其特征在于,步骤S2和S3中的约束条件均满足M1cp1(t1-t′1)=M2cp2(t′2-t2)。
3.根据权利要求1所述的基于差分进化算法的管壳式换热器的多目标设计方法,其特征在于,
4.根据权利要求1所述的基于差分进化算法的管壳式换热器的多目标设计方法,其特征在于,
5.根据权利要求1所述的基于差分进化算法的管壳式换热器的多目标设计方法,其特征在于,
6.根据权利要求1所述的基于差分进化算法的管壳式换热器的多目标设计方法,其特征在于,
7.根据权利要求1所述的基于差分进化算法的管壳式换热器的多目标设计方法,其特征在于,
8.根据权利要求1所述的基于差分进化算法的管壳式换热器的多目标设计方法,其特征在于,
9.根据权利要求1所述的基于差分进化算法的管壳式换热器的多目标设计方法,其特征在于,所述初始参数包括管长、管外径、管横向排数、管纵向排数、管横向节距、管纵向节距、烟气侧进口温度、烟气侧出口温度、蒸汽侧进口温度、蒸汽侧出口温度、烟气侧进口压力、蒸汽侧进口压力、烟气侧流量和蒸汽侧流量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910250961.0A CN110059372A (zh) | 2019-03-29 | 2019-03-29 | 一种基于差分进化算法的管壳式换热器的多目标设计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910250961.0A CN110059372A (zh) | 2019-03-29 | 2019-03-29 | 一种基于差分进化算法的管壳式换热器的多目标设计方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110059372A true CN110059372A (zh) | 2019-07-26 |
Family
ID=67317982
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910250961.0A Pending CN110059372A (zh) | 2019-03-29 | 2019-03-29 | 一种基于差分进化算法的管壳式换热器的多目标设计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110059372A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113343405A (zh) * | 2020-03-03 | 2021-09-03 | 天津大学 | 一种三套管相变蓄热换热单元的优化设计方法 |
CN116415517A (zh) * | 2023-02-27 | 2023-07-11 | 中国人民解放军战略支援部队航天工程大学士官学校 | 一种过冷系统冷却性能评价方法及优化方法 |
CN116776773A (zh) * | 2023-06-26 | 2023-09-19 | 淮阴工学院 | 一种平直翅片管式换热器管型优化系统及方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103514326A (zh) * | 2013-09-22 | 2014-01-15 | 西安交通大学 | 一种连续螺旋折流板管壳式换热器的热力计算方法 |
CN107844835A (zh) * | 2017-11-03 | 2018-03-27 | 南京理工大学 | 基于动态权重m‑topsis多属性决策的多目标优化改进遗传算法 |
-
2019
- 2019-03-29 CN CN201910250961.0A patent/CN110059372A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103514326A (zh) * | 2013-09-22 | 2014-01-15 | 西安交通大学 | 一种连续螺旋折流板管壳式换热器的热力计算方法 |
CN107844835A (zh) * | 2017-11-03 | 2018-03-27 | 南京理工大学 | 基于动态权重m‑topsis多属性决策的多目标优化改进遗传算法 |
Non-Patent Citations (1)
Title |
---|
王恒: "基于遗传算法的换热器多目标优化设计方法", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113343405A (zh) * | 2020-03-03 | 2021-09-03 | 天津大学 | 一种三套管相变蓄热换热单元的优化设计方法 |
CN113343405B (zh) * | 2020-03-03 | 2022-05-20 | 天津大学 | 一种三套管相变蓄热换热单元的优化设计方法 |
CN116415517A (zh) * | 2023-02-27 | 2023-07-11 | 中国人民解放军战略支援部队航天工程大学士官学校 | 一种过冷系统冷却性能评价方法及优化方法 |
CN116776773A (zh) * | 2023-06-26 | 2023-09-19 | 淮阴工学院 | 一种平直翅片管式换热器管型优化系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chu et al. | Study on hydraulic and thermal performance of printed circuit heat transfer surface with distributed airfoil fins | |
Hadidi et al. | A new design approach for shell-and-tube heat exchangers using imperialist competitive algorithm (ICA) from economic point of view | |
CN110059372A (zh) | 一种基于差分进化算法的管壳式换热器的多目标设计方法 | |
Giangaspero et al. | Application of the entropy generation minimization method to a solar heat exchanger: A pseudo-optimization design process based on the analysis of the local entropy generation maps | |
CN103558046B (zh) | 一种换热器能效评价系统 | |
Xu et al. | The optimization for the straight-channel PCHE size for supercritical CO2 Brayton cycle | |
Du et al. | Correlations and optimization of a heat exchanger with offset fins by genetic algorithm combining orthogonal design | |
CN110414114B (zh) | 一种u型地埋管换热器的多目标多参数的优化设计方法 | |
Feng et al. | Multi-objective constructal design for a marine boiler considering entropy generation rate and power consumption | |
Gao et al. | Numerical and experimental investigation on thermal stratification characteristics affected by the baffle plate in thermal storage tank | |
Laskowski et al. | Selecting the cooling water mass flow rate for a power plant under variable load with entropy generation rate minimization | |
Khatir et al. | Energy thermal management in commercial bread-baking using a multi-objective optimisation framework | |
Wang et al. | Optimization design of slotted fin by numerical simulation coupled with genetic algorithm | |
Gulotta et al. | Constructal law optimization of a boiler | |
Zeng et al. | Investigation on pressure drop and heat transfer performances of plate-fin iron air preheater unit with experimental and Genetic Algorithm methods | |
CN110288135A (zh) | 一种高压加热系统疏水水位节能优化方法 | |
Hajabdollahi et al. | Effect of flow maldistribution on the optimal design of a cross flow heat exchanger | |
CN110207094A (zh) | 基于主成分分析的iqga-svr锅炉受热面沾污特性辨识方法 | |
Banooni et al. | Thermodynamic and economic optimization of plate fin heat exchangers using the bees algorithm | |
Feng et al. | Influence of environmental parameters on the cold-end and thermal system of coal-fired power plant based on Ebsilon simulation | |
Masoumpour et al. | Performance evaluation of a shell and tube heat exchanger with recovery of mass flow rate | |
Durcansky | Comparison of mathematical models for heat exchangers of unconventional CHP units | |
CN110489912B (zh) | 一种太阳能跨季节土壤蓄热分层切片数值模拟的方法 | |
CN112580272A (zh) | 一种基于数值模拟的lng空温式气化器的优化设计方法 | |
CN110852564A (zh) | 一种用于移动式内燃机烟气余热换热器的综合性能评价方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190726 |
|
WD01 | Invention patent application deemed withdrawn after publication |