CN110726937A - 用于确定状态噪声协方差矩阵的方法和相应设备 - Google Patents

用于确定状态噪声协方差矩阵的方法和相应设备 Download PDF

Info

Publication number
CN110726937A
CN110726937A CN201910630096.2A CN201910630096A CN110726937A CN 110726937 A CN110726937 A CN 110726937A CN 201910630096 A CN201910630096 A CN 201910630096A CN 110726937 A CN110726937 A CN 110726937A
Authority
CN
China
Prior art keywords
battery
voltage
state
impedance
determining
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
Application number
CN201910630096.2A
Other languages
English (en)
Other versions
CN110726937B (zh
Inventor
玛丽·赛义格
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.)
Safran Electrical and Power SAS
Original Assignee
Zodiac Aero Electric SAS
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 Zodiac Aero Electric SAS filed Critical Zodiac Aero Electric SAS
Publication of CN110726937A publication Critical patent/CN110726937A/zh
Application granted granted Critical
Publication of CN110726937B publication Critical patent/CN110726937B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • G01R31/3842—Arrangements for monitoring battery or accumulator variables, e.g. SoC combining voltage and current measurements
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/385—Arrangements for measuring battery or accumulator variables
    • G01R31/387—Determining ampere-hour charge capacity or SoC
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/389—Measuring internal impedance, internal conductance or related variables
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • G01R31/3835—Arrangements for monitoring battery or accumulator variables, e.g. SoC involving only voltage measurements

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Secondary Cells (AREA)
  • Tests Of Electric Status Of Batteries (AREA)

Abstract

一种用于确定状态噪声协方差矩阵的方法，所述状态噪声协方差矩阵用于调整电蓄能器的电池的充电状态的观测器，所述方法包括：‑针对电池的一组工作点中的每个工作点，确定电池的电气模型的至少一个分量(R0，Z1)的值；‑针对所述值中的每一个，获得所述分量的测定误差(r(SOCk))；‑储存所述分量的值和测定误差；‑计算针对电池的各个工作点的测定误差的标准偏差(σ[r(SOC1...p))；以及‑基于所计算的标准偏差来产生协方差矩阵(Q)。

Description

用于确定状态噪声协方差矩阵的方法和相应设备
技术领域
本发明涉及监测电蓄能器的电池的工作状态，并且尤其涉及监测飞机机载电池的工作状态。
更具体地，本发明涉及监测电蓄能器的电池的充电状态(也称为SOC)。
背景技术
估计充电状态SOC是电能储存系统管理的必要部分。
目前，存在各种用于确定电池的充电状态的方法。
这些方法中的一种方法包括使用采用卡尔曼滤波器的充电状态观测器，在该卡尔曼滤波器中，通过校正增益，将所测量的电池电压与通过模型估计的电压之间的误差用来来校正电池模型的状态。调整所述增益值，以便调节观测器的动力学/动态行为。
该滤波器(也被称为扩展卡尔曼滤波器EKF)基于下述的模型——该模型以状态方程的形式描述电池的行为。
校正所述模型的内部状态(尤其是充电状态SOC)，以使得作为模型输出的估算电压与测得的电池端子间电压之间的差最小化。
由于递归计算的动态校正增益，保持了模型行为和电池行为之间的收敛。
卡尔曼滤波器使用误差协方差B、状态噪声协方差Q和测量噪声协方差R矩阵，这些协方差矩阵作用于系统的动力学/动态行为。
充电状态观测器需要矩阵P、R和Q的初始化。
第一矩阵P在每次迭代时计算在每个状态变量中发现的误差。基于对操作条件的了解、或基于要考虑的与100％的SOC估计中的初始误差相对应的最坏情况初始化来对该矩阵进行初始化。第二矩阵R是如此地用实验方法定义的：即通过对在休息阶段测量的电池电压进行采样来量化来自传感器的噪声。
识别第三个矩阵Q是最关键的任务。这代表了模型中的错误，并且因此需要对所使用的模型有良好的了解和理解。
由于所观测的系统的状态不是物理可测量的，因此在现有技术中凭经验来定义矩阵Q，或甚至凭直觉来定义矩阵Q，这影响了现有技术方法的可靠性。
发明内容
因此，本发明的目的是克服现有技术的缺点，并提供一种用于确定状态噪声协方差矩阵Q的方法，该方法考虑了电池的工作条件。
因此，根据第一方面，本发明的一个主题是一种用于确定状态噪声协方差矩阵的方法，所述状态噪声协方差矩阵用于调整包括一组工作点的电池的充电状态的观测器。
该方法包括：
-针对每个工作点，确定电池的电气模型的阻抗的值的步骤；
-计算通过电气模型获得的电压与在电池的端子之间实际测得的电压之间的电压差的步骤，所述电气模型的阻抗是在上述确定步骤完成时确定的；
-储存所述阻抗的值和所述电压差的值的步骤；
-针对所述电池的各个工作点产生协方差矩阵的步骤，所述协方差矩阵包括基于来自上述计算步骤的电压差而获得的标准偏差。
因此，获得针对电池的该组工作点中的每个工作点的测定误差。因此，这些误差不是固定的，而是取决于电池的工作条件。
根据另一个特征，阻抗的值是基于电池的端子之间的电压和通过电池的电流而确定的。
根据又一个特征，使用最小二乘法来确定阻抗的值。
例如，电池的电气模型的阻抗包括电池的阻抗和电阻。
有利地，根据电池的充电状态、通过电池的电流和电池的温度来储存所述阻抗的值。
根据该方法的又一个特征，储存针对每个充电状态的电压差。
有利地，根据温度和通过电池的电流来获得电压差。
在一个实施例中，基于电池的端子之间的电压的测量值与所述电压的估计值之间的差来获得电压差。
在一个有利的实施方式中，观测器是扩展卡尔曼滤波器。
根据另一方面，本发明的另一主题是一种用于确定电蓄能器的电池的充电状态的设备，其包括：电池的充电状态的观测器；存储器，针对电池的每个工作点，电池的电气模型的阻抗的值被储存在所述存储器中；用于计算通过其阻抗已被储存的电气模型而获得的电压与电池的端子之间的实际测量的电压之间的电压差的装置；以及用于产生协方差矩阵的装置，所述矩阵包括针对电池的各个工作点的标准偏差，所述标准偏差根据所计算的电压差来获得。
附图说明
在阅读以下描述时，本发明的其他目的、特征和优点将变得显而易见，所述描述仅通过非限制性示例并参考附图的方式来给出，在附图中：
-图1示出了电池的电气模型；
-图2示出了用于确定状态噪声协方差矩阵的方法的主要步骤；以及
-图3是实现图2的方法的框图。
具体实施方式
参考图1，可以以电气模型的形式来对电池、并且特别地飞机机载的电池进行建模，该电气模型包括电压源OCV(其表示电池的开路电压)、电阻R0和阻抗Z1(其分别描述电池的静态行为和动态行为)。
可以基于该电气模型的分量以及电池的电流来表示电池的输出电压。
因此，该模型的内部状态变量是充电状态SOC和阻抗Z1端子之间的电压V1。假设状态的噪音服从正态定律。它们是白噪音、高斯(分布)的且中心化的。
在这些条件下，状态噪声协方差矩阵Q(其表示电气模型分量中的误差)被表达为：
Figure BDA0002128455360000031
其中：(σV1)2和(σSOC)2分别表示状态V1和SOC量的估计中的误差方差。
参数σSOC表征了充电状态SOC的不确定性。该参数影响所估计的充电状态相对于实际充电状态的收敛速度和估计的不确定性。因此，例如，当参数σSOC很大时，很快收敛到实际SOC，代价是增加了不确定性。
由于确定该参数的值与最终应用有关而不是与电池的电气模型有关，因此该参数由用户凭经验来确定。
因此假设建模误差仅发生在对参数σV1的识别中。
因此，用于确定矩阵Q的方法主要包括：基于针对电池的各个工作点的测量电压与预估电压之间的误差的标准偏差来产生协方差矩阵。
因此，电池的模型的特点在于一特征矩阵，该特征矩阵包括m个电流状态、n个温度和p个测得的充电状态值。
因此，参考图2，在第一阶段I中，实施测试电池的阶段，从而可以获得针对每个工作点的分量R0和Z1的值——其通过电流、温度和充电状态值Ii、Tj、SOCk来定义。因此，对于每个工作点重复测试协议。
基于电压值Vm和电流值Im，通过使用最小二乘法(步骤1)识别传递函数来确定分量R0和Z1的值，并且根据充电状态SOC、电流和温度将所获得的结果保存在矩阵中。
在完成该先前测试阶段之后，电池的电气模型的分量被储存在一针对所有工作点(即针对给定电流Ii和给定温度Tj下的所有充电状态SOCk＝1，...p)的映射中(步骤2)。
并行地，针对每个被测的SOCk，保存由识别产生的误差(被称为残余误差r(SOCk)，所述误差为测量电压Vm和通过模型预测的电压
Figure BDA0002128455360000041
之间的误差(步骤3)。
接下来，该方法从以下阶段II进行到实际产生矩阵Q。
如上所述，充电状态SOC是待观测的状态量。相对于温度和电流来说，它对模型参数的影响最小。因此，误差对该状态量的依赖性可以忽略不计。另外，电阻R0的估计通常比阻抗Z1的估计更直接且更准确。
因此，假设在测量的输出电压和预测电压之间的误差主要是由电压V1引起的。
然后通过计算残差的标准偏差σ[r(SOC1...p)](其在测量电压和预测电压之间获得)来确定参数σV1的值(步骤4)。然后，按矩阵来为由温度值和电流值定义的每个工作点制表(步骤5)。
由此获得取决于电池的工作条件的状态噪声协方差矩阵Q.
新矩阵Q被写成：
Figure BDA0002128455360000042
其中σV1被表示为电流I和温度T的函数。
因此，上述方法使得能够在所设想的应用的工作范围内(尤其在极端温度(低温)和电流(大电流)限制下)确定矩阵Q。
此外，上述发明基于特别简单的电池电气模型。然而，该方法不限于这样的电气模型，并且可以适用于更复杂的电气模型。
例如，当使用包括数量增加的电气建模分量的电气模型时，这些分量端子之间的电压构成被添加到基本模型中的模型分量。因此，在上述阶段1的步骤3中，针对每一个电气建模分量，计算测量电压和预测电压之间的残差。因此，测量和预测之间的电压误差被分布在各个状态量上。
此外，阻抗Z1实际上可以以各种形式来建模，例如通过一系列使用电阻和电容的RC电路来建模。
在不脱离本发明的范围的情况下，也可以改变模型的类型，例如可以使用电化学模型。
参考图3，上述方法可以借助于示意性示出的设备来实现，该设备包括与存储器7组合的、结合有电池充电状态观测器6(在这种情况下是扩展卡尔曼滤波器)的计算机C，所述存储器7储存针对电池的每个工作点在先前的测试阶段中获得的电池电气模型的至少一个分量的值(在这种情况下是电阻值和阻抗值)、以及在确定这些分量时的误差，所述计算机被适当地编程，以根据温度和电流来计算在电池的使用期间所述误差的标准偏差，以便产生用于卡尔曼滤波器6的矩阵Q。

Claims (10)

1.一种用于确定状态噪声协方差矩阵的方法，所述状态噪声协方差矩阵用于调整包括一组工作点的电池的充电状态的观测器，其特征在于所述方法包括：
-针对每个工作点，确定所述电池的电气模型的阻抗(R0，Z1)的值的步骤；
-计算通过所述电气模型获得的电压与在所述电池的端子之间实际测得的电压之间的电压差(r(SOCk))的步骤，所述电气模型的阻抗是在上述确定步骤完成时确定的；
-储存所述阻抗的值和所述电压差的值的步骤；
-针对所述电池的各个工作点产生协方差矩阵(Q)的步骤，所述协方差矩阵包括基于来自上述计算步骤的电压差而获得的标准偏差(σ[rSOC1...p))。
2.根据权利要求1所述的方法，其中，所述阻抗的值是基于所述电池的端子之间的电压和通过所述电池的电流来确定的。
3.根据权利要求2所述的方法，其中，使用最小二乘法来确定所述阻抗的值。
4.根据权利要求1至3中任一项所述的方法，其中，所述电气模型的阻抗包括所述电池的电阻(R0)和阻抗(Z1)。
5.根据权利要求1至4中任一项所述的方法，其中，根据所述电池的充电状态(SOC)、通过所述电池的电流(I)、以及所述电池的温度(T)来储存所述阻抗的值。
6.根据权利要求1至5中任一项所述的方法，其中，针对每个充电状态储存所述电压差。
7.根据权利要求6所述的方法，其中，根据温度和通过所述电池的电流来获得所述电压差。
8.根据权利要求1至7中任一项所述的方法，其中，基于所述电池的端子之间的电压的测量值Vm与电压的估计值
Figure FDA0002128455350000011
之间的差来获得所述电压差。
9.根据权利要求1至8中任一项所述的方法，其中，所述充电状态观测器是扩展卡尔曼滤波器。
10.一种用于确定电池的充电状态的设备，其包括：
电池的充电状态的观测器(6)；
存储器(7)，针对所述电池的每个工作点，电池的电气模型的阻抗的值被储存在所述存储器中；
用于计算通过其阻抗已被储存的电气模型而获得的电压与所述电池的端子之间的实际测量的电压之间的电压差的装置；以及
用于产生协方差矩阵(Q)的装置，所述矩阵包括针对所述电池的各个工作点的标准偏差(σ[rSOC1...p))，根据所计算的电压差来获得所述标准偏差(σ[rSOC1...p))。
CN201910630096.2A 2018-07-17 2019-07-12 用于确定状态噪声协方差矩阵的方法和相应设备 Active CN110726937B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR1856606 2018-07-17
FR1856606A FR3084170B1 (fr) 2018-07-17 2018-07-17 Procede de determination d'une matrice de covariance de bruit d'etat pour le reglage d'un observateur de l'etat de charge d'une batterie et dispositif correspondant

Publications (2)

Publication Number Publication Date
CN110726937A true CN110726937A (zh) 2020-01-24
CN110726937B CN110726937B (zh) 2024-09-03

Family

ID=65031448

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910630096.2A Active CN110726937B (zh) 2018-07-17 2019-07-12 用于确定状态噪声协方差矩阵的方法和相应设备

Country Status (3)

Country Link
US (1) US11226373B2 (zh)
CN (1) CN110726937B (zh)
FR (1) FR3084170B1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6581276B1 (ja) * 2018-10-18 2019-09-25 株式会社ショーワ 状態量推定装置、制御装置、および状態量推定方法
CN111624499B (zh) * 2020-04-22 2022-03-04 宁波飞拓电器有限公司 一种soc估计的基于参数估计准则的自适应滤波方法
CN111929581B (zh) * 2020-06-05 2022-10-21 西安理工大学 一种动力锂电池内外部温度预测方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080054848A1 (en) * 2006-08-29 2008-03-06 Samsung Sdi Co., Ltd. Battery management system and method of driving the same
US20140244225A1 (en) * 2013-02-24 2014-08-28 The University Of Connecticut Battery state of charge tracking, equivalent circuit selection and benchmarking
CN104859471A (zh) * 2014-02-20 2015-08-26 福特全球技术公司 车辆、电池控制系统以及操作牵引电池的方法
CN106093783A (zh) * 2016-06-03 2016-11-09 哈尔滨工业大学 卡尔曼滤波与数据驱动融合的电池soc估计方法
CN107783057A (zh) * 2017-10-13 2018-03-09 广汽菲亚特克莱斯勒汽车有限公司 一种动力电池soc估算方法及估算系统

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7324902B2 (en) * 2003-02-18 2008-01-29 General Motors Corporation Method and apparatus for generalized recursive least-squares process for battery state of charge and state of health
US6927554B2 (en) * 2003-08-28 2005-08-09 General Motors Corporation Simple optimal estimator for PbA state of charge
US9519029B2 (en) * 2013-05-31 2016-12-13 Honeywell International Inc. Model-based battery monitoring
US9381825B2 (en) * 2014-02-20 2016-07-05 Ford Global Technologies, Llc State of charge quality based cell balancing control
US9272634B2 (en) * 2014-02-20 2016-03-01 Ford Global Technologies, Llc Active battery system estimation request generation
US9718455B2 (en) * 2014-02-20 2017-08-01 Ford Global Technologies, Llc Active battery parameter identification using conditional extended kalman filter
US9440552B2 (en) * 2014-06-09 2016-09-13 Ford Global Technologies, Llc Estimation and compensation of battery measurement
EP2963434B1 (en) * 2014-06-30 2021-08-11 Foundation Of Soongsil University-Industry Cooperation Battery state estimation method and system using dual extended kalman filter, and recording medium for performing the method
FR3029296B1 (fr) * 2014-11-28 2016-12-30 Renault Sa Procede automatique d'estimation de l'etat de charge d'une cellule d'une batterie
FR3029315B1 (fr) * 2014-11-28 2016-12-09 Renault Sa Procede automatique d'estimation de la capacite d'une cellule d'une batterie
JP6455409B2 (ja) * 2015-03-06 2019-01-23 株式会社デンソー 電池状態推定装置
JP6414558B2 (ja) * 2016-02-01 2018-10-31 株式会社デンソー 電池状態推定装置
CN105607009B (zh) * 2016-02-01 2018-05-01 深圳大学 一种基于动态参数模型的动力电池soc估计方法和系统
KR102160274B1 (ko) * 2017-09-07 2020-09-25 주식회사 엘지화학 배터리 충전 상태 추정 장치 및 방법
KR102650965B1 (ko) * 2018-04-23 2024-03-25 삼성에스디아이 주식회사 배터리 상태 추정 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080054848A1 (en) * 2006-08-29 2008-03-06 Samsung Sdi Co., Ltd. Battery management system and method of driving the same
US20140244225A1 (en) * 2013-02-24 2014-08-28 The University Of Connecticut Battery state of charge tracking, equivalent circuit selection and benchmarking
CN104859471A (zh) * 2014-02-20 2015-08-26 福特全球技术公司 车辆、电池控制系统以及操作牵引电池的方法
CN106093783A (zh) * 2016-06-03 2016-11-09 哈尔滨工业大学 卡尔曼滤波与数据驱动融合的电池soc估计方法
CN107783057A (zh) * 2017-10-13 2018-03-09 广汽菲亚特克莱斯勒汽车有限公司 一种动力电池soc估算方法及估算系统

Also Published As

Publication number Publication date
FR3084170B1 (fr) 2020-07-17
CN110726937B (zh) 2024-09-03
US20200025828A1 (en) 2020-01-23
FR3084170A1 (fr) 2020-01-24
US11226373B2 (en) 2022-01-18

Similar Documents

Publication Publication Date Title
CN105008946B (zh) 用于确定用于SoC的控制技术观测器的方法
CN113176505B (zh) 车载动力电池荷电状态与健康状态在线估算方法、装置及存储介质
JP2023518778A (ja) 電池充電状態を決定する方法及び装置、電池管理システム
CN113156321B (zh) 一种锂离子电池荷电状态soc的估算方法
CN110726937B (zh) 用于确定状态噪声协方差矩阵的方法和相应设备
CN107907834B (zh) 一种电池管理系统的电流漂移校正方法、系统及装置
JP6330605B2 (ja) 推定プログラム、推定方法および推定装置
KR20170134193A (ko) 배터리의 충전 상태를 추정하는 방법 및 그 방법을 실행하는 배터리 관리 시스템
CN116819346B (zh) 电池soc估算方法、装置、设备及存储介质
CN111142025A (zh) 一种电池soc估算方法、装置、存储介质及电动汽车
CN111051905A (zh) 用于监测卡尔曼滤波器的稳定收敛行为的方法和设备
JP6421411B2 (ja) 電池の充電率を推定する推定プログラム、電池の充電率を推定する推定方法、および、電池の充電率を推定する推定装置
CN116224073A (zh) 电池soc估计方法、装置、设备、电池模组及存储介质
CN114779089A (zh) 一种基于储能锂电池等效电路模型计算电池荷电状态方法
CN113125965B (zh) 电池析锂检测方法、装置、设备及存储介质
CN112415412A (zh) 估算电池soc值的方法和装置及车辆、存储介质
US20130030738A1 (en) Converging algorithm for real-time battery prediction
US20160216337A1 (en) Converging algorithm for real-time battery prediction
CN113030741B (zh) 基于aukf的电池模型参数和soc估算方法、设备和介质
Chen et al. Estimation of fractional SOC for lithium batteries based on OCV hysteretic characteristics
CN113567864A (zh) 电池荷电状态的确定方法、装置、计算机设备及存储介质
Dardchuntuk et al. Unscented Kalman Filter for State of Charge Estimation of Lithium Titanate Battery
CN116184216B (zh) 电池状态检测方法及装置
CN114578229B (zh) 动力电池健康状态确定方法、装置和可读存储介质
CN118425822B (zh) 一种电池的健康状态值确定方法、装置及电子设备

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: Montreuil, France

Applicant after: Safran electronics and defense cockpit solutions

Address before: Montreuil, France

Applicant before: Zodiac Aero Electric

TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20220311

Address after: Blagnac, France

Applicant after: SAFRAN ELECTRICAL & POWER

Address before: Montreuil, France

Applicant before: Safran electronics and defense cockpit solutions

GR01 Patent grant
GR01 Patent grant