CN110399926B - 一种路灯故障诊断方法及装置 - Google Patents
一种路灯故障诊断方法及装置 Download PDFInfo
- Publication number
- CN110399926B CN110399926B CN201910684753.1A CN201910684753A CN110399926B CN 110399926 B CN110399926 B CN 110399926B CN 201910684753 A CN201910684753 A CN 201910684753A CN 110399926 B CN110399926 B CN 110399926B
- Authority
- CN
- China
- Prior art keywords
- street lamp
- parameter data
- error value
- fault
- preset threshold
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000003745 diagnosis Methods 0.000 title claims abstract description 32
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000012423 maintenance Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 abstract description 12
- 238000001514 detection method Methods 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000013500 data storage Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Circuit Arrangement For Electric Light Sources In General (AREA)
Abstract
本发明实施例公开了一种路灯故障诊断方法及装置，包括：获取路灯的当前参数数据及预先保存的与所述当前参数数据对应的所述路灯的多维历史参数数据；将所述当前参数数据与所述多维历史参数数据的均值进行误差率计算，得到误差值；将所述误差值与预设阈值进行比较判断，若所述误差值小于预设阈值，则可判断路灯无故障。对已进行比较后的历史数据进行保存后，再将当前路灯的参数数据根据自身的历史数据中的对应参数数据进行故障判断。在进行故障诊断的同时，实现了对路灯故障的分类及历史数据库的建立，这是个自动学习的过程；当针对每个建立其特定的历史数据后，历史数据用作后期故障诊断，如果路灯正常，则更新数据，这也是个自适应的过程，能保障彻底忽略个体差异的干扰。
Description
技术领域
本发明实施例涉及物联网技术领域，具体涉及一种路灯故障诊断方法及装置。
背景技术
传统的路灯故障诊断技术智能大概得知路灯是否正常工作，无法确定路灯的故障类型和故障位置。现有路灯故障检测在《一种路灯故障诊断电路及其诊断方法中》曾有过介绍，当该文章只侧重通过硬件电路和物联网获得数据后，数据的智能处理、分析过程，并不能得知路灯的故障类型和故障位置，在检修过程中依旧需要耗费大量的人力和物力。
发明内容
为此，本发明实施例提供一种路灯故障诊断方法及装置，以解决现有技术中由于确定路灯的故障类型和故障位置而导致的路灯检修效率和准确率低的问题。
为了实现上述目的，本发明实施例提供一种路灯故障诊断方法，该方法采用基于学习的路灯故障诊断算法来对路灯进行诊断和检修，此方法具有一定的学习能力，能学习并自适应不同型号、不同参数的路灯的故障诊断过程，提供准确的路等故障诊断结果。其具体技术方案如下：
根据本发明实施例的第一方面提供一种路灯故障诊断方法，其特征在于，包括步骤：
获取路灯的当前参数数据及预先保存的与所述当前参数数据对应的所述路灯的多维历史参数数据；
将所述当前参数数据与所述多维历史参数数据的均值进行误差率计算，得到误差值；
将所述误差值与预设阈值进行比较判断，若所述误差值小于预设阈值，则可判断路灯无故障。
进一步地，所述多维历史参数数据的获取包括如下步骤：
S1：获取待检测的多个路灯的参数数据；
S2：根据相同参数数据类型，将所述路灯两两之间进行参数差别率算法计算，得到误差值；
S3：将所述误差值与预设阈值进行比较，若所述误差值小于预设阈值，保存所述路灯的所述参数数据；
S4：获取路灯的上电次数，判断所述上电次数是否超过预设次数，若没超过预设次数，继续执行上述步骤S1-S3，直至超过预设次数，完成历史数据的获取。
进一步地，所述参数数据包括路灯的型号、故障类型及位置信息。
进一步地，所述误差率算法采用差法计算获得。
进一步地，若所述误差值大于预设阈值，判断路灯存在故障；并获取所述路灯的参数数据至相关人员，进行检修。
本发明的另一方面还提供一种路灯故障诊断装置，其特征在于，包括获取装置、计算装置、判断装置；其中，所述获取装置用于获取路灯的当前参数数据及预先保存的所述路灯的多维历史参数数据；所述计算装置用于将所述当前参数数据与所述多维历史参数数据的均值进行误差率计算，得到误差值；所述判断装置用于将所述误差值与预设阈值进行比较判断，若所述误差值小于预设阈值，则可判断路灯无故障。
进一步地，所述获取模块包括第一获取模块用于获取待检测的多个路灯的参数数据；两两误差计算模块，用于根据相同参数数据类型，将所述路灯两两之间进行参数差别率算法计算，得到误差值；参数数据保存模块，用于将所述误差值与预设阈值进行比较，若所述误差值小于预设阈值，保存所述路灯的所述参数数据；判断循环模块，用于获取路灯的上电次数，判断所述上电次数是否超过预设次数，若没超过预设次数，继续返回第一获取模块、两两误差计算模块、参数数据保存模块分别进行计算，直至超过预设次数，完成历史数据的获取。
进一步地，所述参数数据包括路灯的型号、故障类型及位置信息。
进一步地，所述误差率算法采用差法计算获得。
进一步地，还包括检修模块，用于若所述误差值大于预设阈值，判断路灯存在故障；获取所述路灯的参数数据并进行检修。
本发明实施例具有如下优点：
本发明实施例提供的一种路灯故障诊断方法，对已进行比较后的历史数据进行保存后，再将当前路灯的参数数据根据自身的历史数据中的对应参数数据进行故障判断。在进行故障诊断的同时，实现了对路灯故障的分类及历史数据库的建立，这是个自动学习的过程；当针对每个建立其特定的历史数据后，历史数据用作后期故障诊断，如果路灯正常，则更新数据，这也是个自适应的过程，能保障彻底忽略个体差异的干扰。
进一步地，本发明提供的一种路灯故障学习方法，无需提供测量路灯各项参数的正常范围，无需关注路灯的型号是否型号相同，更无需在意路灯相同型号不同个体之间的个体差异，该方法可以根据灯的历史数据，学习并自适应具体的某个路灯的正常工作状态，自动判断该路灯是否正常，大幅度提高了故障诊断率和效率。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述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示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图引伸获得其它的实施附图。
本说明书所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容能涵盖的范围内。
图1为本发明实施例1提供的一种路灯故障诊断方法的流程框图；
图2为本发明实施例2提供的一种路灯故障诊断方法的应用场景操作流程图。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，显然，所描述的实施例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。
参见图1是本发明实施例1提供的一种路灯故障诊断方法的流程框图，包括：
获取路灯的当前参数数据及预先保存的与所述当前参数数据对应的所述路灯的多维历史参数数据；
将所述当前参数数据与所述多维历史参数数据的均值进行误差率计算，得到误差值；
将所述误差值与预设阈值进行比较判断，若所述误差值小于预设阈值，则可判断路灯无故障。
上述多维历史参数数据包括路灯的型号、故障类型及位置信息。上述多维历史参数数据是指与当前参数对应的参数，在获得的当前参数数据之前多次上电后测得的数据。比如，路灯的功率参数在上电多次后测得的数据。
上述多维历史数据的获得，包括如下步骤：
S1：获取待检测的多个路灯的参数数据；
S2：根据相同参数数据类型，将所述路灯两两之间进行参数差别率算法计算，得到误差值；
S3：将所述误差值与预设阈值进行比较，若所述误差值小于预设阈值，保存所述路灯的所述参数数据；
S4：获取路灯的上电次数，判断所述上电次数是否超过预设次数，若没超过预设次数，继续执行上述步骤S1-S3，直至超过预设次数，完成历史数据的获取。
上述误差率算法采用差法计算获得。
需要说明的是，本发明实施例的实施方式还包括，若所述误差值大于预设阈值，判断路灯存在故障；并获取所述路灯的参数数据至相关人员，进行检修。
本发明实施例提供的一种路灯故障诊断方法，对已进行比较后的历史数据进行保存后，再将当前路灯的参数数据根据自身的历史数据中的对应参数数据进行故障判断。在进行故障诊断的同时，实现了对路灯故障的分类及历史数据库的建立，这是个自动学习的过程；当针对每个建立其特定的历史数据后，历史数据用作后期故障诊断，如果路灯正常，则更新数据，这也是个自适应的过程，能保障彻底忽略个体差异的干扰。
进一步地，本发明提供的一种路灯故障学习方法，无需提供测量路灯各项参数的正常范围，无需关注路灯的型号是否型号相同，更无需在意路灯相同型号不同个体之间的个体差异，该方法可以根据灯的历史数据，学习并自适应具体的某个路灯的正常工作状态，自动判断该路灯是否正常，大幅度提高了故障诊断率和效率。
本发明实施例的另一方面还提供一种路灯故障诊断装置，其特征在于，包括获取装置、计算装置、判断装置；其中，所述获取装置用于获取路灯的当前参数数据及预先保存的所述路灯的多维历史参数数据；所述计算装置用于将所述当前参数数据与所述多维历史参数数据的均值进行误差率计算，得到误差值；所述判断装置用于将所述误差值与预设阈值进行比较判断，若所述误差值小于预设阈值，则可判断路灯无故障。
进一步地，所述获取模块包括第一获取模块用于获取待检测的多个路灯的参数数据；两两误差计算模块，用于根据相同参数数据类型，将所述路灯两两之间进行参数差别率算法计算，得到误差值；参数数据保存模块，用于将所述误差值与预设阈值进行比较，若所述误差值小于预设阈值，保存所述路灯的所述参数数据；判断循环模块，用于获取路灯的上电次数，判断所述上电次数是否超过预设次数，若没超过预设次数，继续返回第一获取模块、两两误差计算模块、参数数据保存模块分别进行计算，直至超过预设次数，完成历史数据的获取。
进一步地，所述参数数据包括路灯的型号、故障类型及位置信息。
进一步地，所述误差率算法采用差法计算获得。
进一步地，还包括检修模块，用于若所述误差值大于预设阈值，判断路灯存在故障；获取所述路灯的参数数据并进行检修。
参见图2为本发明实施例2提供的一种路灯故障诊断方法的应用场景操作流程图。假如如下应用场景，市政局刚新装了一批物联网智能路灯，路灯分为A、B、C三个型号，这些路灯并未启动过，其操作步骤包括：
(1)智能路灯上电，以最大功率运行，并上传路灯的监控参数数据到监控服务器；
(2)监控服务器得到数据后，假设有多个参数用作路灯故障，比如路灯的电压、电流、功率等参数用作判断路灯是否故障；
(3)路灯和路灯之间逐个计算参数差别率(即误差率)，如果误差率小于等于E(即预设的阈值)，则将这两个路灯归为一类；比如，假如路灯1和路灯2之间的功率的误差率预先默认设置为5％，两个路灯的功率分别为96W和100W，那么，(100-96)/100＝4％，小于5％，应归为一类，两个路灯在此次上电采集的参数进行保存。如果路灯无法和其他别的路灯归为一类，将会被诊断为异常；
(4)重复上述步骤到预设次数，比如k次，重复启动智能路灯第2～k次，并保存相应的数据。
上述步骤(1)～(4)完成了路灯之间的横向比较，进行路灯型号的归类，收集并保存了路灯k次上电获得的历史数据，作为k+1次诊断的根据。
(5)智能路灯第k+1次上传监控数据，第k+1次上传的数据和前k个历史数据均值作比较，如果每个用作故障判断的参数和历史数据比较时，误差率都小于等于预设阈值E，则路灯无故障，并记录第k+1数据；如果某个参数的误差率大于预设阈值E，则判断路灯故障；
(6)之后每次故障都重复步骤(5)的操作。
步骤5～6，路灯根据自身的历史数据进行故障判断，是一个纵向比较的过程。整个算法整体看来，步骤1～4通过横向对比，实现故障诊断的同时，实现分类和建立路灯历史数据库，这是个自动学习过程；当针对每个路灯建立其特定的历史数据库后，历史数据用作后期故障诊断，如果路灯正常，则更新数据库，这也是一个自适应过程，能让故障诊断彻底忽略个体差异的干扰。
虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。
Claims (8)
1.一种路灯故障诊断方法，其特征在于，包括步骤：
获取路灯的当前参数数据及预先保存的与所述当前参数数据对应的所述路灯的多维历史参数数据；
将所述当前参数数据与所述多维历史参数数据的均值进行误差率计算，得到误差值；
将所述误差值与预设阈值进行比较判断，若所述误差值小于预设阈值，则可判断路灯无故障；
所述多维历史参数数据的获取包括如下步骤：
S1：获取待检测的多个路灯的参数数据；
S2：根据相同参数数据类型，对所述路灯两两之间的参数数据进行差别率算法计算，得到误差值；
S3：将所述误差值与预设阈值进行比较，若所述误差值小于预设阈值，保存所述路灯的所述参数数据；
S4：获取路灯的上电次数，判断所述上电次数是否超过预设次数，若没超过预设次数，继续执行步骤S1-S3，直至超过预设次数，完成历史数据的获取。
2.根据权利要求1所述的方法，其特征在于，所述参数数据包括路灯的型号、故障类型及位置信息。
3.根据权利要求1所述的方法，其特征在于，所述误差率算法采用差法计算获得。
4.根据权利要求1所述的方法，其特征在于，若所述误差值大于预设阈值，判断路灯存在故障；并获取所述路灯的参数数据至相关人员，进行检修。
5.一种路灯故障诊断装置，其特征在于，包括第一获取装置、计算装置、判断装置；其中，所述第一获取装置用于获取路灯的当前参数数据及预先保存的与所述当前参数数据对应的所述路灯的多维历史参数数据；所述计算装置用于将所述当前参数数据与所述多维历史参数数据的均值进行误差率计算，得到误差值；所述判断装置用于将所述误差值与预设阈值进行比较判断，若所述误差值小于预设阈值，则可判断路灯无故障；
获取模块包括第一获取模块用于进行步骤S1：获取待检测的多个路灯的参数数据；两两误差计算模块，用于进行步骤S2：根据相同参数数据类型，对所述路灯两两之间的参数数据进行差别率算法计算，得到误差值；参数数据保存模块，用于进行步骤S3：将所述误差值与预设阈值进行比较，若所述误差值小于预设阈值，保存所述路灯的所述参数数据；判断循环模块，用于进行步骤S4：获取路灯的上电次数，判断所述上电次数是否超过预设次数，若没超过预设次数，继续执行步骤S1-S3，直至超过预设次数，完成历史数据的获取。
6.根据权利要求5所述的装置，其特征在于，所述参数数据包括路灯的型号、故障类型及位置信息。
7.根据权利要求5所述的装置，其特征在于，所述误差率算法采用差法计算获得。
8.根据权利要求5所述的装置，其特征在于，还包括检修模块，用于若所述误差值大于预设阈值，判断路灯存在故障；并获取所述路灯的参数数据至相关人员，进行检修。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910684753.1A CN110399926B (zh) | 2019-07-26 | 2019-07-26 | 一种路灯故障诊断方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910684753.1A CN110399926B (zh) | 2019-07-26 | 2019-07-26 | 一种路灯故障诊断方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110399926A CN110399926A (zh) | 2019-11-01 |
| CN110399926B true CN110399926B (zh) | 2021-11-30 |
Family
ID=68326185
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910684753.1A Active CN110399926B (zh) | 2019-07-26 | 2019-07-26 | 一种路灯故障诊断方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110399926B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114764459A (zh) * | 2020-12-31 | 2022-07-19 | 三一汽车制造有限公司 | 作业机械的故障处理方法、系统和电子设备 |
| CN116071039B (zh) * | 2022-12-21 | 2024-01-19 | 广州辰创科技发展有限公司 | 一种基于故障树的故障诊断方法 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103327701B (zh) * | 2013-06-26 | 2015-08-19 | 广州中国科学院软件应用技术研究所 | 路灯故障监测系统 |
| CN103687254B (zh) * | 2013-11-21 | 2015-07-08 | 上海申通地铁集团有限公司 | 节能灯的故障排查方法及系统 |
| CN103941207B (zh) * | 2014-03-03 | 2016-09-07 | 广州供电局有限公司 | 电力计量自动化终端检测方法及其系统 |
| CN105424899A (zh) * | 2015-11-09 | 2016-03-23 | 北京奇虎科技有限公司 | 水质检测方法和系统、智能终端及其水质检测方法 |
| US20170243413A1 (en) * | 2016-02-22 | 2017-08-24 | Hamilton Sundstrand Corporation | Method for determining aircraft sensor failure without a redundant sensor and correct sensor measurement when redundant aircraft sensors give inconsistent readings |
| CN106961249B (zh) * | 2017-03-17 | 2019-02-19 | 广西大学 | 一种光伏阵列故障诊断和预警方法 |
| CN109842372A (zh) * | 2017-11-28 | 2019-06-04 | 中国电力科学研究院有限公司 | 一种光伏组件故障检测方法和系统 |
| CN108376298B (zh) * | 2018-02-12 | 2023-11-10 | 湘潭大学 | 一种风电机组发动机温度故障预警诊断方法 |
-
2019
- 2019-07-26 CN CN201910684753.1A patent/CN110399926B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN110399926A (zh) | 2019-11-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110781914A (zh) | 一种设备故障的监控处理方法、装置、设备和存储介质 | |
| CN110399926B (zh) | 一种路灯故障诊断方法及装置 | |
| CN111160791A (zh) | 一种基于gbdt算法及因素融合的异常用户识别方法 | |
| JP2018119924A (ja) | 診断装置 | |
| CN107729985B (zh) | 识别技术设施的过程异常的方法和相应的诊断系统 | |
| CN115982602B (zh) | 一种光伏变压器电故障检测方法 | |
| KR20170104705A (ko) | 설비 고장 진단 장치 및 방법 | |
| CN109507992B (zh) | 一种机车制动系统部件的故障预测方法、装置及设备 | |
| CN110850297A (zh) | 一种通过大数据预测轨交锂电池soh的方法 | |
| CN114495497B (zh) | 一种交通异常数据的判别和插补方法及系统 | |
| CN117475593B (zh) | 用电终端负载异常的超前智能预警方法及装置 | |
| CN110874685A (zh) | 基于神经网络的智能电能表运行状态判别方法及系统 | |
| CN112416662A (zh) | 多时间序列数据异常检测方法与装置 | |
| CN115268350A (zh) | 一种稳压变压器的故障预警方法及系统 | |
| CN113341813A (zh) | 一种城市燃气中低压管网检测方法及系统 | |
| CN112904148A (zh) | 智能电缆运行监测系统、方法及装置 | |
| CN110486350B (zh) | 电液伺服阀故障诊断方法及装置、存储介质和电子设备 | |
| CN117499439A (zh) | 一种基于工业物联网的巡检数据处理系统及其处理方法 | |
| CN111080484A (zh) | 一种配电网异常数据监测方法及装置 | |
| CN115453236A (zh) | 一种船舶风翼动力系统的故障诊断与健康评估方法 | |
| CN103913150A (zh) | 智能电能表电子元器件一致性检测方法 | |
| CN117031201A (zh) | 一种配电网多场景拓扑异常识别方法及系统 | |
| WO2024036795A1 (zh) | 电动汽车的充电异常诊断方法、车辆及存储介质 | |
| CN109389313A (zh) | 一种基于加权近邻决策的故障分类诊断方法 | |
| CN114858250A (zh) | 一种智慧水表的故障检测方法、系统及可读存储介质 |
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 | ||
| CP02 | Change in the address of a patent holder |
Address after: 510000 501, No. 265, Gaotang Road, Tianhe District, Guangzhou City, Guangdong Province (office only) (not for plant use) Patentee after: GUANGZHOU CHENCHUANG TECHNOLOGY DEVELOPMENT Co.,Ltd. Address before: 510640 0601, building 07, 235 Gaotang Road, Tianhe District, Guangzhou City, Guangdong Province Patentee before: GUANGZHOU CHENCHUANG TECHNOLOGY DEVELOPMENT Co.,Ltd. |
|
| CP02 | Change in the address of a patent holder | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A road lamp fault diagnosis method and device Effective date of registration: 20220704 Granted publication date: 20211130 Pledgee: China Co. truction Bank Corp Guangzhou Tianhe subbranch Pledgor: GUANGZHOU CHENCHUANG TECHNOLOGY DEVELOPMENT Co.,Ltd. Registration number: Y2022980009779 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right |
Date of cancellation: 20231128 Granted publication date: 20211130 Pledgee: China Co. truction Bank Corp Guangzhou Tianhe subbranch Pledgor: GUANGZHOU CHENCHUANG TECHNOLOGY DEVELOPMENT Co.,Ltd. Registration number: Y2022980009779 |
|
| PC01 | Cancellation of the registration of the contract for pledge of patent right |