CN110794672B - 一种水泥生产过程分解炉炉温显式控制方法 - Google Patents
一种水泥生产过程分解炉炉温显式控制方法 Download PDFInfo
- Publication number
- CN110794672B CN110794672B CN201910976876.2A CN201910976876A CN110794672B CN 110794672 B CN110794672 B CN 110794672B CN 201910976876 A CN201910976876 A CN 201910976876A CN 110794672 B CN110794672 B CN 110794672B
- Authority
- CN
- China
- Prior art keywords
- control
- constraint
- max
- time
- furnace temperature
- 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
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种水泥生产过程分解炉炉温显式控制方法。本发明首先建立水泥生产过程分解炉炉温的状态空间模型,设计系统控制量约束和输出约束;然后,通过一种新型的显式PID型模型预测控制策略对系统实施控制,该策略使用模型预测控制处理系统干扰作用,并且通过将约束矩阵进行值域和核空间的分解来消除约束对于系统的影响,同时引入PID结构增强系统的整体的性能。该方法有效的处理了水泥生产过程分解炉炉温控制中的干扰以及约束问题,并且提升了系统的响应速度,使水泥生产过程分解炉炉温带来了更好的控制效果。
Description
技术领域
本发明属于自动化技术领域,涉及一种水泥生产过程分解炉炉温显式控制方法。
背景技术
水泥生产过程是衡量一个国家工业发展水平的一项重要指标,需要研究一种又快速又精准的控制方法来提高水泥生产的效率。由于水泥生产过程的系统工况复杂多变,难以得到精确的数学模型,因此自动化程度较低;许多场合还是以现场操作人员工作经验为主进行手工调节,特别是对于窑外分解炉的温度控制过程。由于人为影响以及实际的环境影响,实际的生产过程可能存在着不同幅度的干扰与约束作用,这些实际过程中不可忽略的因素,采用常规的控制策略难以获得满意的效果,最终会影响到水泥熟料的产量、质量和能耗。基于上述问题,本发明提出一种新的分解炉炉温显式控制方法,该方法可以有效处理系统的约束问题并且消除干扰作用,改善了水泥生产过程整体的性能。
发明内容
本发明针对传统控制方法在处理干扰以及约束的不足,提出了一种水泥生产过程分解炉炉温显式控制方法。
本发明首先建立水泥生产过程分解炉炉温的状态空间模型,设计系统控制量约束和输出约束;然后,通过一种新型的显式PID型模型预测控制策略对系统实施控制,该策略使用模型预测控制处理系统干扰作用,并且通过将约束矩阵进行值域和核空间的分解来消除约束对于系统的影响,同时引入PID结构增强系统的整体的性能。该方法有效的处理了水泥生产过程分解炉炉温控制中的干扰以及约束问题,并且提升了系统的响应速度,使水泥生产过程分解炉炉温带来了更好的控制效果。
本发明方法的步骤包括:
步骤1、建立过程对象的预测模型,具体是:
1.1.采集过程对象的实时运行数据,建立处理过程模型,将带干扰的过程描述为以下形式:
其中,
其中x(k+1)是k+1时刻状态,x(k)是k时刻状态,y(k+1)分别是k+1时刻系统控制输出,u(k)和u(k-1)分别是k和k-1时刻系统控制输入,v(k)和v(k-1)分别是k和k-1时刻可以测量的外部干扰,A,B,C,D是相应维数的系统矩阵,Δ是后向差分算子。
1.2根据系统初始测量数据,得到系统的初始状态,定义如下:
{[xinitial]}={x0}
1.3设计系统控制量约束和输出约束需要满足的实际生产约束:
ymin(k)≤y1(k)≤ymax(k)
umin(k)≤u(k)≤umax(k)
Δumin(k)≤Δu(k)≤Δumax(k)
其中,ymin(k)和ymax(k)分别为k时刻的最小和最大约束输出值,umin(k)和umax(k)分别为k时刻的最小和最大控制输入值,Δumin(k)和Δumax(k)分别是k时刻的控制输入增量的最小和最大值。
1.4根据步骤1.3,变换其约束形式如下:
-y(k)+ymin(k)≤0;y(k)-ymax(k)≤0
-u(k)+umin(k)≤0;u(k)-umax(k)≤0
-Δu(k)+Δumin(k)≤0;Δu(k)-Δumax(k)≤0
1.5将步骤1.4中的状态变量约束形式转化为不等式形式g(ki)≤0,g(ki)表示状态量不等式转换的统一形式。
1.6对步骤1.1的式子进行如下转化:
y(k+1)=D*AΔx(k)+D*BΔu(k)+D*CΔv(k)+y(k)
1.7对步骤1.6的式子进行多步预测:
其中,M表示模型预测控制的控制时域,P表示模型预测控制的优化时域。
1.8从步骤1.5到步骤1.7可以得到预测模型为:
yPM(k)=yPO(k)+SxΔx(k)+SuΔuM(k)+SvΔv(k)
其中,
yPM(k)=[yM(k+1|k),yM(k+2|k),…,yM(k+P|k)]T
yP0(k)=[y0(k+1|k),y0(k+2|k),…,y0(k+P|k)]T
ΔuM(k)=[Δu(k),Δu(k+1),…,Δu(k+M-1)]T
yPM(k)表示受到控制增量ΔuM(k)作用的过程对象在k时刻的模型预测输出向量,yP0(k)为k时刻过程模型的初始预测输出向量yN0(k)的前P项。
步骤2、模型预测控制器的设计,具体步骤是:
2.1、PID型模型预测控制指标具体表示为:
其中,
ΔE0(k)=Δref(k)-ΔyPM(k)=[Δe0(k+1),Δe0(k+2),…,Δe0(k+P)]T
Δ2E0(k)=Δ2ref(k)-Δ2yPM(k)=[Δ2e0(k+1),Δ2e0(k+2),…,Δ2e0(k+P)]T
Δu(k)=[Δu(k),Δu(k+1),…,Δu(k+M-1)]T
ref(k)表示参考轨迹,E0(k)表示PID型模型预测控制的参考轨迹与模型输出形成的输出误差,Δ为PID型模型预测控制中的差分算子,Kp=diag(kp,…,kp),KI=diag(kI,…,kI),Kd=diag(kd,…,kd)分别表示PID型模型预测控制的比例系数矩阵、积分系数矩阵、微分系数矩阵;R=diag(r1,r2,…,rp)为PID型模型预测控制的控制加权系数矩阵。
2.2、引入位移矩阵:
2.3由步骤2.2可进一步得到:
2.4通过步骤2.2与步骤2.3可以进一步得到性能指标,表示为:
minJ(k)=E0(k)TKIE0(k)+E0(k)TS1 TKpS1E0(k)
+E0(k)T(S1 2)TKd(S1 2)E0(k)+Δu(k)TRΔu(k)
=E0(k)TQE0(k)+Δu(k)TRΔu(k)
其中,Q=KI+KpS1 TS1+Kd(S1 2)T(S1 2)。
2.5PID型模型预测控制的设计
2.6对求出来的最优解增量,对于那些不满足约束的控制量通过将约束矩阵进行值域和核空间的分解来消除约束,具体如下:
DaΔu2≤d
其中,Da=[D1,D2]T
2.7通过数学公式求出不符合约束的控制增量Δu2结合之前通过模型预测控制求出的符合约束的Δu1共同组成控制量:
从而求得整个模型预测控制过程的显式解。
本发明的有益效果:本发明提出了一种水泥生产过程分解炉炉温快速优化控制方法。通过此种改进的技术手段,所得到的控制器具有更快的处理性能,同时保证控制装置运行在安全状态时,具有更好的控制效果。
具体实施方式
本实施例以水泥生产过程分解炉炉温控制为例加以描述,调节手段是控制分解炉的喂煤量。通过设置分解炉的喂煤量、喂煤量增量、分解炉炉温的约束条件,然后,通过一种新型的显式PID型模型预测控制策略对系统实施控制,该策略使用模型预测控制处理系统干扰作用,并且通过将约束矩阵进行值域和核空间的分解来消除约束对于系统的影响,同时引入PID结构增强系统的整体的性能。
具体步骤如下:
步骤1、建立分解炉控制的预测模型,具体方法是:
1.1首先采集炉温控制过程的输入输出数据,利用该数据建立该炉温控制过程的输入输出模型,将带干扰的过程描述为以下形式:
其中,
其中x(k+1)是k+1时刻状态,x(k)是k时刻状态,y(k)是时刻分解炉炉温,u(k)和u(k-1)分别是k和k-1时刻系统喂煤量,v(k)和v(k-1)分别是k和k-1时刻可以测量的外部干扰,A,B,C,D,E,F是相应维数的系统矩阵,Δ是后向差分算子。
1.2根据系统初始测量数据,得到系统的初始状态,定义如下:
{[xinitial]}={x0}
1.3设计分解炉炉温系统控制量约束和输出约束需要满足的实际生产约束:
ymin(k)≤y1(k)≤ymax(k)
umin(k)≤u(k)≤umax(k)
Δumin(k)≤Δu(k)≤Δumax(k)
其中,ymin(k)和ymax(k)分别为k时刻的炉温的最小和最大约束值,umin(k)和umax(k)分别为k时刻的最小和最大喂煤值,Δumin(k)和Δumax(k)分别是k时刻的喂煤的最小和最大值。
1.4根据步骤1.3,变换其约束形式如下:
-y(k)+ymin(k)≤0;y(k)-ymax(k)≤0
-u(k)+umin(k)≤0;u(k)-umax(k)≤0
-Δu(k)+Δumin(k)≤0;Δu(k)-Δumax(k)≤0
1.5为了统一表达,步骤1.4中的状态变量约束形式可以转化为不等式形式g(ki)≤0,g(ki)表示状态量不等式转换的统一形式。
1.6对步骤1.1的式子进行如下转化:
y(k+1)=D*AΔx(k)+D*BΔu(k)+D*CΔv(k)+y(k)
1.7对步骤1.6的式子进行多步预测:
其中,M表示模型预测控制的控制时域,P表示模型预测控制的优化时域。
1.8从步骤1.5到步骤1.7可以得到预测模型为:
yPM(k)=yPO(k)+SxΔx(k)+SuΔuM(k)+SvΔv(k)
其中,
yPM(k)=[yM(k+1|k),yM(k+2|k),…,yM(k+P|k)]T
yP0(k)=[y0(k+1|k),y0(k+2|k),…,y0(k+P|k)]T
ΔuM(k)=[Δu(k),Δu(k+1),…,Δu(k+M-1)]T
yPM(k)表示受到控制增量ΔuM(k)作用的过程对象在k时刻的模型预测炉温向量,yP0(k)为k时刻过程模型的初始预测炉温向量yN0(k)的前P项。
步骤2、模型预测控制器的设计,具体步骤是:
2.1、PID型模型预测控制指标具体表示为:
其中,
ΔE0(k)=Δref(k)-ΔyPM(k)=[Δe0(k+1),Δe0(k+2),…,Δe0(k+P)]T
Δ2E0(k)=Δ2ref(k)-Δ2yPM(k)=[Δ2e0(k+1),Δ2e0(k+2),…,Δ2e0(k+P)]T
Δu(k)=[Δu(k),Δu(k+1),…,Δu(k+M-1)]T
ref(k)表示参考轨迹,E0(k)表示PID型模型预测控制的参考轨迹与模型输出形成的输出误差,Δ为PID型模型预测控制中的差分算子,Kp=diag(kp,…,kp),KI=diag(kI,…,kI),Kd=diag(kd,…,kd)分别表示PID型模型预测控制的比例系数矩阵、积分系数矩阵、微分系数矩阵;R=diag(r1,r2,…,rp)为PID型模型预测控制的控制加权系数矩阵。
2.2、引入位移矩阵:
2.3由步骤2.2可进一步得到:
2.4通过步骤2.2与步骤2.3可以进一步得到性能指标,表示为:
minJ(k)=E0(k)TKIE0(k)+E0(k)TS1 TKpS1E0(k)
+E0(k)T(S1 2)TKd(S1 2)E0(k)+Δu(k)TRΔu(k)
=E0(k)TQE0(k)+Δu(k)TRΔu(k)
其中,Q=KI+KpS1 TS1+Kd(S1 2)T(S1 2)。
2.5PID型模型预测控制的设计
2.6对求出来的控制最优解增量,对于那些不满足约束的控制量通过将约束矩阵进行值域和核空间的分解来消除约束,具体如下:
DaΔu2≤d
其中,Da=[D1,D2]T
2.7通过数学公式求出不符合约束的喂煤量增量Δu2结合之前通过模型预测控制求出的符合约束的Δu1共同组成喂煤量量:
从而求得整个模型预测控制过程的显式喂煤量。
Claims (1)
1.一种水泥生产过程分解炉炉温显式控制方法,其特征在于该方法包括以下步骤:
步骤1、建立分解炉控制的预测模型,具体是:
1.1采集炉温控制过程的输入输出数据,利用该数据建立该炉温控制过程的输入输出模型,将带干扰的过程描述为以下形式:
其中,
其中x(k+1)是k+1时刻状态,x(k)是k时刻状态,y(k)是时刻分解炉炉温,u(k)和u(k-1)分别是k和k-1时刻系统喂煤量,v(k)和v(k-1)分别是k和k-1时刻可以测量的外部干扰,A,B,C,D是相应维数的系统矩阵,Δ是后向差分算子;
1.2根据系统初始测量数据,得到系统的初始状态,定义如下:
{[xinitial]}={x0}
1.3设计分解炉炉温系统控制量约束和输出约束需要满足的实际生产约束:
ymin(k)≤y1(k)≤ymax(k)
umin(k)≤u(k)≤umax(k)
Δumin(k)≤Δu(k)≤Δumax(k)
其中,ymin(k)和ymax(k)分别为k时刻的炉温的最小和最大约束值,umin(k)和umax(k)分别为k时刻的最小和最大喂煤值,Δumin(k)和Δumax(k)分别是Δu(k)的最小和最大值;
1.4根据步骤1.3,变换其约束形式如下:
-y(k)+ymin(k)≤0;y(k)-ymax(k)≤0
-u(k)+umin(k)≤0;u(k)-umax(k)≤0
-Δu(k)+Δumin(k)≤0;Δu(k)-Δumax(k)≤0
1.5将步骤1.4中的状态变量约束形式转化为不等式形式g(ki)≤0,g(ki)表示状态量不等式转换的统一形式;
1.6对步骤1.1的式子进行如下转化:
y(k+1)=D*AΔx(k)+D*BΔu(k)+D*CΔv(k)+y(k)
1.7对步骤1.6的式子进行多步预测:
y(k+1/k)=D1*AΔx(k)+D1*BΔu(k)+D1*CΔv(k)+y(k)
其中,M表示模型预测控制的控制时域,P表示模型预测控制的优化时域;
1.8从步骤1.5到步骤1.7得到预测模型为:
yPM(k)=yPO(k)+SxΔx(k)+SuΔuM(k)+SvΔv(k)
其中,
yPM(k)=[yM(k+1|k),yM(k+2|k),…,yM(k+P|k)]T
yP0(k)=[y0(k+1|k),y0(k+2|k),…,y0(k+P|k)]T
ΔuM(k)=[Δu(k),Δu(k+1),…,Δu(k+M-1)]T
其中yPM(k)表示受到控制增量ΔuM(k)作用的过程对象在k时刻的模型预测炉温向量,yP0(k)为k时刻过程模型的初始预测炉温向量yN0(k)的前P项;
步骤2、设计模型预测控制器,具体步骤是:
2.1、PID型模型预测控制指标具体表示为:
其中,
ΔE0(k)=Δref(k)-ΔyPM(k)=[Δe0(k+1),Δe0(k+2),…,Δe0(k+P)]T
Δ2E0(k)=Δ2ref(k)-Δ2yPM(k)=[Δ2e0(k+1),Δ2e0(k+2),…,Δ2e0(k+P)]T
Δu(k)=[Δu(k),Δu(k+1),…,Δu(k+M-1)]T
ref(k)表示参考轨迹,E0(k)表示PID型模型预测控制的参考轨迹与模型输出形成的输出误差,Δ为PID型模型预测控制中的差分算子,Kp=diag(kp,…,kp),KI=diag(kI,…,kI),Kd=diag(kd,…,kd)分别表示PID型模型预测控制的比例系数矩阵、积分系数矩阵、微分系数矩阵;R=diag(r1,r2,…,rp)为PID型模型预测控制的控制加权系数矩阵;
2.2、引入位移矩阵:
2.3由步骤2.2可进一步得到:
2.4通过步骤2.2与步骤2.3得到性能指标进一步表示为:
min J(k)=E0(k)TKIE0(k)+E0(k)TS1 TKpS1E0(k)+E0(k)T(S1 2)TKd(S1 2)E0(k)+Δu(k)TRΔu(k)=E0(k)TQE0(k)+Δu(k)TRΔu(k)
其中,Q=KI+KpS1 TS1+Kd(S1 2)T(S1 2);
2.5 PID型模型预测控制的设计
2.6求出控制最优解增量,对于那些不满足约束的控制量通过将约束矩阵进行值域和核空间的分解来消除约束,具体如下:
DaΔu2≤d
其中,Da=[D1,D2]T
2.7通过数学公式求出不符合约束的喂煤量增量Δu2,结合之前通过模型预测控制求出的符合约束的Δu1共同组成喂煤量量:
从而求得整个模型预测控制过程的显式喂煤量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910976876.2A CN110794672B (zh) | 2019-10-15 | 2019-10-15 | 一种水泥生产过程分解炉炉温显式控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910976876.2A CN110794672B (zh) | 2019-10-15 | 2019-10-15 | 一种水泥生产过程分解炉炉温显式控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110794672A CN110794672A (zh) | 2020-02-14 |
CN110794672B true CN110794672B (zh) | 2022-03-25 |
Family
ID=69439163
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910976876.2A Active CN110794672B (zh) | 2019-10-15 | 2019-10-15 | 一种水泥生产过程分解炉炉温显式控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110794672B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114564829B (zh) * | 2022-02-28 | 2023-06-02 | 合肥工业大学 | 一种计及rdf掺混比的温度预测控制方法 |
CN115933503B (zh) * | 2023-03-10 | 2023-05-30 | 山东盛日电力集团有限公司 | 一种发电设备的智能调节控制方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101751051A (zh) * | 2008-12-05 | 2010-06-23 | 中国科学院沈阳自动化研究所 | 基于约束史密斯广义预测控制的水泥分解炉温度控制方法 |
CN103064284A (zh) * | 2012-12-28 | 2013-04-24 | 浙江邦业科技有限公司 | 应用逆向差分抑制不可测扰动的模型预测控制器及方法 |
CN104503242A (zh) * | 2014-12-24 | 2015-04-08 | 浙江邦业科技有限公司 | 水泥篦冷机自适应模型预测控制器 |
CN104765350A (zh) * | 2015-04-03 | 2015-07-08 | 燕山大学 | 基于组合模型预测控制技术的水泥分解炉控制方法及系统 |
-
2019
- 2019-10-15 CN CN201910976876.2A patent/CN110794672B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101751051A (zh) * | 2008-12-05 | 2010-06-23 | 中国科学院沈阳自动化研究所 | 基于约束史密斯广义预测控制的水泥分解炉温度控制方法 |
CN103064284A (zh) * | 2012-12-28 | 2013-04-24 | 浙江邦业科技有限公司 | 应用逆向差分抑制不可测扰动的模型预测控制器及方法 |
CN104503242A (zh) * | 2014-12-24 | 2015-04-08 | 浙江邦业科技有限公司 | 水泥篦冷机自适应模型预测控制器 |
CN104765350A (zh) * | 2015-04-03 | 2015-07-08 | 燕山大学 | 基于组合模型预测控制技术的水泥分解炉控制方法及系统 |
Non-Patent Citations (1)
Title |
---|
模型预测控制技术在水泥制造中的应用;俞利涛 等;《水泥技术》;20190430(第2期);第19-26页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110794672A (zh) | 2020-02-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109581870B (zh) | 含能材料反应釜的釜内温度动态矩阵控制方法 | |
CN110794672B (zh) | 一种水泥生产过程分解炉炉温显式控制方法 | |
CN102156496B (zh) | 一种反应釜温度混合控制方法 | |
CN103472723A (zh) | 基于多模型广义预测控制器的预测控制方法及系统 | |
CN107544255B (zh) | 一种批次注塑过程的状态补偿模型控制方法 | |
CN111123708B (zh) | 基于分布式动态矩阵控制优化的焦化炉炉膛压力控制方法 | |
CN111123871A (zh) | 针对化工过程遗传算法优化的预测函数控制方法 | |
CN105353618B (zh) | 一种批次注塑过程的约束跟踪控制方法 | |
CN102873106B (zh) | 一种平整机延伸率快速精确控制方法 | |
CN107832582B (zh) | 监测生物过程的方法 | |
CN102902201B (zh) | 一种化工多变量过程的解耦状态空间预测控制方法 | |
CN102436178B (zh) | 一种误差容忍限机制下的焦化加热炉氧含量控制方法 | |
CN110361972B (zh) | 一种基于水泥生料燃烧的分解炉炉温快速优化控制方法 | |
CN104656436B (zh) | 一种分解炉出口温度建模方法 | |
CN110643485A (zh) | 一种具有智能预测补偿器的粮食发酵过程温度场自动控制系统与方法 | |
CN116088431A (zh) | 基于机理模型的化工过程非线性模型预测控制方法 | |
CN108829058B (zh) | 一种化工批次过程模糊迭代学习控制方法 | |
CN202694173U (zh) | 一种带有温度pid模糊控制系统的水泥分解炉 | |
CN105807635A (zh) | 预测模糊控制优化的废塑料炼油裂解炉炉膛压力控制方法 | |
An et al. | Two-level data-based adjustment of controller parameters for weighing process of ladle furnace | |
Atasoy et al. | Optimisation of operating conditions in fed-batch baker’s yeast fermentation | |
CN107991886B (zh) | 一种废塑料气化炼油炉膛压力的预测优化控制方法 | |
CN111123874B (zh) | 基于分数阶lqg基准的水泥回转窑烧成过程性能确定方法 | |
Rodriguez-Jara et al. | Robust control framework based on input-output models enhanced with uncertainty estimation | |
CN115216624B (zh) | 一种铁矿石烧结过程多特征点协同优化控制方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |