CN110819751B - 一种基于雷达数据处理的高炉料线获取方法及装置 - Google Patents
一种基于雷达数据处理的高炉料线获取方法及装置 Download PDFInfo
- Publication number
- CN110819751B CN110819751B CN202010019836.1A CN202010019836A CN110819751B CN 110819751 B CN110819751 B CN 110819751B CN 202010019836 A CN202010019836 A CN 202010019836A CN 110819751 B CN110819751 B CN 110819751B
- Authority
- CN
- China
- Prior art keywords
- data
- coordinate
- coordinate points
- point
- value
- 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
Images
Classifications
-
- C—CHEMISTRY; METALLURGY
- C21—METALLURGY OF IRON
- C21B—MANUFACTURE OF IRON OR STEEL
- C21B7/00—Blast furnaces
- C21B7/24—Test rods or other checking devices
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Metallurgy (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Materials Engineering (AREA)
- Evolutionary Biology (AREA)
- Manufacturing & Machinery (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Operations Research (AREA)
- Algebra (AREA)
- Quality & Reliability (AREA)
- Probability & Statistics with Applications (AREA)
- Organic Chemistry (AREA)
- Software Systems (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本申请涉及高炉炉料监测技术领域,公开了一种基于雷达数据处理的高炉料线获取方法及装置,在该方法中,针对雷达反射数据,获取位于目标区域内的所有雷达反射数据在预设坐标系中的坐标点,并进行异常值过滤,生成待筛选数据,接着对待筛选数据进行分组,并将任意一组作为目标组数据,然后针对目标组数据,基于预设的坐标点距离阈值、纵坐标差值阈值以及坐标点连线角度阈值进行筛选,实现初次筛选,生成初级数据,根据初级数据中的坐标点数量,筛选出目标数据,最后对所有组待筛选数据对应的目标数据中所有坐标点进行连线,生成料线。上述方法中,对雷达反射数据中的未知干扰数据进行有效滤除,提高了高炉内料线获取结果的准确度。
Description
技术领域
本申请涉及高炉炉料监测技术领域,尤其涉及一种基于雷达数据处理的高炉料线获取方法及装置。
背景技术
高炉炼铁的冶炼过程中,需将铁矿石、焦炭等炉料分批从炉顶装入炉内,因而从高炉的炉体纵剖面来看,炉内铁矿石、焦炭等炉料呈分层重叠结构,获取每种炉料所形成的料线,有助于掌控布料进度。
高炉炼铁工艺是连续的生产过程,从开炉到停炉能连续生产几年到十几年,而且冶炼过程中高炉内的温度高达上千摄氏度,无法由技术人员直接对高炉内料线进行观测,因而通常需借助专门的设备进行检测。
目前,钢厂普遍使用雷达技术来检测炉料的料线,检测过程中,由预先架设在高炉上部的雷达设备发射电磁波,对高炉内进行扫描,发射的电磁波遇到物体反射回来,通过对反射回来的数据进行分析处理,便能获取炉料的料线。
但是,高炉内的冶炼环境十分复杂,存在煤灰、炉渣等各种干扰因素,若雷达发出的电磁波遇到这些干扰因素,同样会被反射回去,这种情况下,雷达的反射数据中将存在很多未知的干扰数据,这些未知的干扰数据会降低高炉内料线获取结果的准确度。
发明内容
为了解决雷达反射数据中存在的未知干扰数据降低高炉内料线获取结果的准确度,本申请通过以下实施例公开了一种基于雷达数据处理的高炉料线获取方法及装置。
本申请第一方面公开了一种基于雷达数据处理的高炉料线获取方法,包括:
获取雷达反射数据;
获取位于目标区域内的所有雷达反射数据在预设坐标系中的坐标点,所述目标区域根据高炉中心线以及高炉零料线划定;
对所述坐标点进行异常值过滤,生成待筛选数据;
对所述待筛选数据进行分组,并将分组后的待筛选数据中的任意一组作为目标组数据;
对所述目标组数据进行初次筛选,生成初级数据,所述初次筛选包括:基于预设的坐标点距离阈值进行筛选、基于预设的纵坐标差值阈值进行筛选以及基于预设的坐标点连线角度阈值进行筛选;
根据所述初级数据中的坐标点数量,从所述初级数据中筛选出目标数据;
对所有组待筛选数据对应的目标数据中所有坐标点进行连线,生成料线。
可选的,所述基于预设的坐标点距离阈值进行筛选包括:
获取所述目标组数据中的所有坐标点;
获取目标点与下一个坐标点之间的距离,若所述距离大于所述预设的坐标点距离阈值,则删除所述下一个坐标点,其中所述目标点为端点或者为与上一个坐标点之间的距离不大于所述预设的坐标点距离阈值的坐标点,所述端点为沿X轴方向位于所述目标组数据中其中一个边缘的坐标点;
获取所述目标组数据中所有剩下的坐标点,生成一级数据。
可选的,所述基于预设的纵坐标差值阈值进行筛选包括:
获取所述一级数据中的所有坐标点;
获取第一算数平均值,所述第一算数平均值为所述一级数据中所有坐标点纵坐标值的算数平均值;
获取第一差值,所述第一差值为所述一级数据中任意一个坐标点的纵坐标值与所述第一算数平均值的差值;
根据所述第一差值以及所述预设的纵坐标差值阈值,对所述一级数据中所有坐标点进行筛选;其中,若所述第一差值大于所述预设的纵坐标差值阈值,则将所述第一差值对应的坐标点过滤;或者,若所述第一差值不大于所述预设的纵坐标差值阈值,则将所述第一差值对应的坐标点保留;
获取对所述一级数据中所有坐标点进行筛选后保留的所有坐标点,生成二级数据。
可选的,所述基于预设的坐标点连线角度阈值进行筛选包括:
S1、将位于所述二级数据中其中一端最边缘的坐标点作为起始点;
S2、获取所述起始点与位于所述起始点后的两个坐标点之间连线的角度;
S3、判断所述角度是否小于所述预设的坐标点连线角度阈值,若是,则执行步骤S4,若否,则执行步骤S5;
S4、将所述连线中的第二个坐标点删除,返回执行步骤S2;
S5、将所述连线中的第二个坐标点作为新的起始点,并判断所述新的起始点是否属于所述二级数据中另一端最边缘的两个坐标点,若否,则返回执行步骤S2,若是,则执行步骤S6;
S6、获取所述二级数据中剩下的所有坐标点,生成初级数据。
可选的,所述根据所述初级数据中的坐标点数量,从所述初级数据中筛选出目标数据,包括:
若所述初级数据中的坐标点数量为预设的期望数量,则将所述初级数据作为目标数据;
或者,若所述初级数据中的坐标点数量大于所述期望数量,则对所述初级数据进行二次筛选,并将二次筛选的结果作为目标数据。
可选的,所述对所述初级数据进行二次筛选,包括:
获取所述初级数据中的所有坐标点;
获取第二算数平均值,所述第二算数平均值为所述初级数据中所有坐标点纵坐标值的算数平均值;
获取第二差值,所述第二差值为所述初级数据中任意一个坐标点的纵坐标值与所述第二算数平均值的差值;
根据所述第二差值的大小以及所述期望数量,从所述初级数据中选取坐标点,将选取的坐标点作为二次筛选的结果。
可选的,所述方法还包括:
若所述初级数据中的坐标点数量小于预设的期望数量,则获取坐标点数量差值,并按照所述坐标点数量差值,从所述二级数据中提取补位坐标点,将所述补位坐标点合并到所述初级数据中形成目标数据,其中,所述坐标点数量差值为所述初级数据中坐标点数量与所述期望数量的差值;
或者,若所述初级数据中不存在坐标点,则按照所述期望数量,从所述二级数据中提取新坐标点,并将所述新坐标点作为目标数据。
可选的,所述按照所述坐标点数量差值,从所述二级数据中提取补位坐标点,将所述补位坐标点合并到所述初级数据中形成目标数据,包括:
获取所述初级数据中的所有坐标点以及所述二级数据中的所有坐标点;
获取第三算数平均值,所述第三算数平均值为所述初级数据中所有坐标点纵坐标值的算数平均值;
获取第三差值,所述第三差值为所述二级数据中任意一个坐标点的纵坐标值与所述第三算数平均值的差值;
根据所述第三差值的大小以及所述坐标点数量差值,从所述二级数据中选取所述补位坐标点;
将所述补位坐标点合并到所述初级数据中形成目标数据。
可选的,所述按照所述期望数量,从所述二级数据中提取新坐标点,并将所述新坐标点作为目标数据,包括:
获取所述二级数据中的所有坐标点;
获取第四算数平均值,所述第四算数平均值为所述二级数据中所有坐标点纵坐标值的算数平均值;
获取第四差值,所述第四差值为所述二级数据中任意一个坐标点的纵坐标值与所述第四算数平均值的差值;
根据所述第四差值的大小以及所述期望数量,从所述二级数据中选取所述新坐标点,并将所述新坐标点作为目标数据。
本申请第二方面公开了一种基于雷达数据处理的高炉料线获取装置,所述装置应用于本申请第一方面所述的一种基于雷达数据处理的高炉料线获取方法,所述装置包括:
数据获取模块,用于获取雷达反射数据;
坐标获取模块,用于获取位于目标区域内的所有雷达反射数据在预设坐标系中的坐标点,所述目标区域根据高炉中心线以及高炉零料线划定;
异常值过滤模块,用于对所述坐标点进行异常值过滤,生成待筛选数据;
分组模块,用于对所述待筛选数据进行分组,并将分组后的待筛选数据中的任意一组作为目标组数据;
初次筛选模块,用于对所述目标组数据进行初次筛选,生成初级数据,所述初次筛选包括:基于预设的坐标点距离阈值进行筛选、基于预设的纵坐标差值阈值进行筛选以及基于预设的坐标点连线角度阈值进行筛选;所述初次筛选模块包括距离筛选单元、纵坐标值筛选单元以及角度筛选单元,其中,所述距离筛选单元用于基于预设的坐标点距离阈值进行筛选,所述纵坐标值筛选单元用于基于预设的纵坐标差值阈值进行筛选,所述角度筛选单元用于基于预设的坐标点连线角度阈值进行筛选;
目标数据获取模块,用于根据所述初级数据中的坐标点数量,从所述初级数据中筛选出目标数据;
料线生成模块,用于对所有组待筛选数据对应的目标数据中所有坐标点进行连线,生成料线。
可选的,所述距离筛选单元包括:
第一坐标获取子单元,用于获取所述目标组数据中的所有坐标点;
距离筛选子单元,用于获取目标点与下一个坐标点之间的距离,若所述距离大于所述预设的坐标点距离阈值,则删除所述下一个坐标点,其中所述目标点为端点或者为与上一个坐标点之间的距离不大于所述预设的坐标点距离阈值的坐标点,所述端点为沿X轴方向位于所述目标组数据中其中一个边缘的坐标点;
一级数据生成子单元,用于获取所述目标组数据中所有剩下的坐标点,生成一级数据。
可选的,所述纵坐标值筛选单元包括:
第二坐标获取子单元,用于获取所述一级数据中的所有坐标点;
第一算数平均值获取子单元,用于获取第一算数平均值,所述第一算数平均值为所述一级数据中所有坐标点纵坐标值的算数平均值;
第一差值获取子单元,用于获取第一差值,所述第一差值为所述一级数据中任意一个坐标点的纵坐标值与所述第一算数平均值的差值;
第一差值筛选子单元,用于根据所述第一差值以及所述预设的纵坐标差值阈值,对所述一级数据中所有坐标点进行筛选;其中,若所述第一差值大于所述预设的纵坐标差值阈值,则将所述第一差值对应的坐标点过滤;或者,若所述第一差值不大于所述预设的纵坐标差值阈值,则将所述第一差值对应的坐标点保留;
二级数据生成子单元,用于获取对所述一级数据中所有坐标点进行筛选后保留的所有坐标点,生成二级数据。
可选的,所述角度筛选单元包括:
起始点选取子单元,用于将位于所述二级数据中其中一端最边缘的坐标点作为起始点;
角度获取子单元,用于获取所述起始点与位于所述起始点后的两个坐标点之间连线的角度;
角度判断子单元,用于判断所述角度是否小于所述预设的坐标点连线角度阈值,若是,则执行第一结果判定子单元的操作,若否,则执行第二结果判定子单元的操作;
第一结果判定子单元,用于将所述连线中的第二个坐标点删除,返回执行角度获取子单元的操作;
第二结果判定子单元,用于将所述连线中的第二个坐标点作为新的起始点,并判断所述新的起始点是否属于所述二级数据中另一端最边缘的两个坐标点,若否,则返回执行角度获取子单元的操作,若是,则执行初级数据生成子单元的操作;
初级数据生成子单元,用于获取所述二级数据中剩下的所有坐标点,生成初级数据。
可选的,目标数据获取模块包括:
直接获取单元,用于在所述初级数据中的坐标点数量为预设的期望数量时,将所述初级数据作为目标数据;
筛选获取单元,用于在所述初级数据中的坐标点数量大于所述期望数量,则对所述初级数据进行二次筛选,并将二次筛选的结果作为目标数据。
可选的,所述筛选获取单元包括:
第三坐标获取子单元,用于获取所述初级数据中的所有坐标点;
第二算数平均值获取子单元,用于获取第二算数平均值,所述第二算数平均值为所述初级数据中所有坐标点纵坐标值的算数平均值;
第二差值获取子单元,用于获取第二差值,所述第二差值为所述初级数据中任意一个坐标点的纵坐标值与所述第二算数平均值的差值;
第二差值筛选子单元,用于根据所述第二差值的大小以及所述期望数量,从所述初级数据中选取坐标点,将选取的坐标点作为二次筛选的结果。
可选的,所述装置还包括:
补位提取模块,用于在所述初级数据中的坐标点数量小于预设的期望数量时,获取坐标点数量差值,并按照所述坐标点数量差值,从所述二级数据中提取补位坐标点,将所述补位坐标点合并到所述初级数据中形成目标数据,其中,所述坐标点数量差值为所述初级数据中坐标点数量与所述期望数量的差值;
新坐标提取模块,用于在所述初级数据中不存在坐标点时,则按照所述期望数量,从所述二级数据中提取新坐标点,并将所述新坐标点作为目标数据。
可选的,所述补位提取模块包括:
第四坐标获取单元,用于获取所述初级数据中的所有坐标点以及所述二级数据中的所有坐标点;
第三算数平均值获取单元,用于获取第三算数平均值,所述第三算数平均值为所述初级数据中所有坐标点纵坐标值的算数平均值;
第三差值获取单元,用于获取第三差值,所述第三差值为所述二级数据中任意一个坐标点的纵坐标值与所述第三算数平均值的差值;
第三差值筛选单元,用于根据所述第三差值的大小以及所述坐标点数量差值,从所述二级数据中选取所述补位坐标点;
目标数据生成单元,用于将所述补位坐标点合并到所述初级数据中形成目标数据。
可选的,所述新坐标提取模块包括:
第五坐标获取单元,用于获取所述二级数据中的所有坐标点;
第四算数平均值获取单元,用于获取第四算数平均值,所述第四算数平均值为所述二级数据中所有坐标点纵坐标值的算数平均值;
第四差值获取单元,用于获取第四差值,所述第四差值为所述二级数据中任意一个坐标点的纵坐标值与所述第四算数平均值的差值;
第四差值筛选单元,用于根据所述第四差值的大小以及所述期望数量,从所述二级数据中选取所述新坐标点,并将所述新坐标点作为目标数据。
本申请实施例公开了一种基于雷达数据处理的高炉料线获取方法及装置,在该方法中,针对雷达反射数据,获取位于目标区域内的所有雷达反射数据在预设坐标系中的坐标点,并对坐标点进行异常值过滤,生成待筛选数据,接着对所述待筛选数据进行分组,并将分组后的待筛选数据中的任意一组作为目标组数据,然后针对所述目标组数据,基于预设的坐标点距离阈值、纵坐标差值阈值以及坐标点连线角度阈值进行筛选,完成初次筛选,生成初级数据,根据所述初级数据中的坐标点数量,从所述初级数据中筛选出目标数据,最后对所有组待筛选数据对应的目标数据中所有坐标点进行连线,生成料线。上述方法中,对雷达反射数据中的未知干扰数据进行有效滤除,提高了高炉内料线获取结果的准确度。
附图说明
为了更清楚地说明本申请的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例公开的一种基于雷达数据处理的高炉料线获取方法的工作流程示意图;
图2为本申请实施例公开的一种高炉内部示意图;
图3为本申请实施例公开的一种基于雷达数据处理的高炉料线获取方法中,基于预设的坐标点连线角度阈值进行筛选的工作流程示意图;
图4为本申请实施例公开的一种基于雷达数据处理的高炉料线获取装置的结构示意图。
具体实施方式
为了解决雷达反射数据中存在的未知干扰数据降低高炉内料线获取结果的准确度,本申请通过以下实施例公开了一种基于雷达数据处理的高炉料线获取方法及装置。
本申请第一实施例公开了一种基于雷达数据处理的高炉料线获取方法,参见图1所示的工作流程示意图,所述方法包括:
步骤S11,获取雷达反射数据。
步骤S12,获取位于目标区域内的所有雷达反射数据在预设坐标系中的坐标点,所述目标区域根据高炉中心线以及高炉零料线划定。
参见图2所示,本申请实施例中,以高炉零料线为X轴,以高炉中心线为Y轴,建立坐标系。
按照预先建立的坐标系,将雷达所有反射数据映射到坐标系中,然后判断位于Y轴左侧的反射数据多,还是位于Y轴右侧的反射数据多,若位于Y轴左侧的反射数据多,则将Y轴的左侧区域划定为目标区域,若位于Y轴右侧的反射数据多,则将Y轴的右侧区域划定为目标区域。
步骤S13,对所述坐标点进行异常值过滤,生成待筛选数据。
本申请实施例中,根据坐标点的距离进行异常值过滤。具体的,从位于X轴任一端最边缘的坐标点开始,依次获取两两坐标点之间的距离,若距离大于第一预设阈值,则将后一个坐标点删除。例如:针对点1、点2、点3和点4,若点1与点2之间的距离小于第一预设阈值,则继续判断点2与点3之间的距离;若点1与点2之间的距离大于第一预设阈值,则删除点2,针对点1和点3之间的距离继续进行判断,依此类推,直至完成点4的判断。
步骤S14,对所述待筛选数据进行分组,并将分组后的待筛选数据中的任意一组作为目标组数据。
在一种实现方式中,对所述待筛选数据进行分组时,根据所述待筛选数据中所有坐标点的数量以及预设的组数,对所述待筛选数据进行均分。实际应用中,在点数不够均分的情况下,例如存在134个点,预设组数为10组时,存在134/10=13余4的情况,此时可将余下的4个点数分配到任意4组中,因此最终分配的10组待筛选数据中,每一组的坐标点数量为14、14、14、14、13、13、13、13、13、13。
步骤S15,对所述目标组数据进行初次筛选,生成初级数据,所述初次筛选包括:基于预设的坐标点距离阈值进行筛选、基于预设的纵坐标差值阈值进行筛选以及基于预设的坐标点连线角度阈值进行筛选。其中,坐标点距离阈值、纵坐标差值阈值以及坐标点连线角度阈值皆根据实际工况进行预先设定。
步骤S16,根据所述初级数据中的坐标点数量,从所述初级数据中筛选出目标数据。
步骤S17,对所有组待筛选数据对应的目标数据中所有坐标点进行连线,生成料线。
本申请实施例公开了一种基于雷达数据处理的高炉料线获取方法及装置,在该方法中,针对雷达反射数据,获取位于目标区域内的所有雷达反射数据在预设坐标系中的坐标点,并对坐标点进行异常值过滤,生成待筛选数据,接着对所述待筛选数据进行分组,并将分组后的待筛选数据中的任意一组作为目标组数据,然后针对所述目标组数据,基于预设的坐标点距离阈值、纵坐标差值阈值以及坐标点连线角度阈值进行筛选,完成初次筛选,生成初级数据,根据所述初级数据中的坐标点数量,从所述初级数据中筛选出目标数据,最后对所有组待筛选数据对应的目标数据中所有坐标点进行连线,生成料线。上述方法中,对雷达反射数据中的未知干扰数据进行有效滤除,提高了高炉内料线获取结果的准确度。
进一步的,所述基于预设的坐标点距离阈值进行筛选包括:
获取所述目标组数据中的所有坐标点。
获取目标点与下一个坐标点之间的距离,若所述距离大于所述预设的坐标点距离阈值,则删除所述下一个坐标点,其中所述目标点为端点或者为与上一个坐标点之间的距离不大于所述预设的坐标点距离阈值的坐标点,所述端点为沿X轴方向位于所述目标组数据中其中一个边缘的坐标点。
获取所述目标组数据中所有剩下的坐标点,生成一级数据。
在一种实现方式中,可以通过以下方法进行目标点的选取,在选取目标点的同时,对目标组数据进行筛选:
将端点作为原始的目标点,获取目标点与第二坐标点的距离,若所述距离不大于预设的坐标点距离阈值,则将所述第二坐标点作为新的目标点;或者,若所述距离大于所述坐标点距离阈值,则将所述第二坐标点删除,并获取所述目标点与第三坐标点的距离,若所述目标点与第三坐标点的距离不大于所述坐标点距离阈值,则将所述第三坐标点作为新的目标点;其中,所述第二坐标点为所述目标点的下一个坐标点,所述第三坐标点为所述第二坐标点的下一个坐标点。以此类推,直至完成目标组数据中最后一个坐标点的筛选。
以下结合示例对基于预设的坐标点距离阈值进行筛选的步骤进行详细说明。
假设目标组数据中存在4个坐标点,按横坐标值从小到大排序为:点1、点2、点3和点4,将点1作为原始的目标点,若点1与点2之间的距离小于预设的坐标点距离阈值,则继续判断点2与点3之间的距离;若点1与点2之间的距离大于坐标点距离阈值,则删除点2,针对点1和点3之间的距离继续进行判断,依此类推,直至完成点4的判断。
进一步的,所述基于预设的纵坐标差值阈值进行筛选包括:
获取所述一级数据中的所有坐标点。
获取第一算数平均值,所述第一算数平均值为所述一级数据中所有坐标点纵坐标值的算数平均值。
获取第一差值,所述第一差值为所述一级数据中任意一个坐标点的纵坐标值与所述第一算数平均值的差值。
根据所述第一差值以及所述预设的纵坐标差值阈值,对所述一级数据中所有坐标点进行筛选。其中,若所述第一差值大于所述预设的纵坐标差值阈值,则将所述第一差值对应的坐标点过滤。或者,若所述第一差值不大于所述预设的纵坐标差值阈值,则将所述第一差值对应的坐标点保留。
获取对所述一级数据中所有坐标点进行筛选后保留的所有坐标点,生成二级数据。
进一步的,参见图3所示,所述基于预设的坐标点连线角度阈值进行筛选包括:
S1、将位于所述二级数据中其中一端最边缘的坐标点作为起始点。
S2、获取所述起始点与位于所述起始点后的两个坐标点之间连线的角度。
S3、判断所述角度是否小于所述预设的坐标点连线角度阈值,若是,则执行步骤S4,若否,则执行步骤S5。
S4、将所述连线中的第二个坐标点删除,返回执行步骤S2。
S5、将所述连线中的第二个坐标点作为新的起始点,并判断所述新的起始点是否属于所述二级数据中另一端最边缘的两个坐标点,若否,则返回执行步骤S2,若是,则执行步骤S6。
S6、获取所述二级数据中剩下的所有坐标点,生成初级数据。
以下结合示例对根据坐标点连线的角度进行筛选的步骤进行详细说明。
假设二级数据中存在4个坐标点,按照横坐标值大小排序为:点A、点B、点C和点D,首先,将点A作为起始点,对点A、点B和点C进行连线,若该连线在点B处的角度小于预设坐标点连线角度阈值,则将点B删除,继续进行点A、点C和点D之间连线角度的判断;若该连线在点B处的角度大于预设坐标点连线角度阈值,则保留点A、点B和点C,继续进行点B、点C和点D之间连线角度的判断,依此类推,直至完成点D的判断,其中,坐标点连线角度阈值根据实际工况设定,作为示例,可以设为90度或者100度。
进一步的,所述根据所述初级数据中的坐标点数量,从所述初级数据中筛选出目标数据,包括:
若所述初级数据中的坐标点数量为预设的期望数量,则将所述初级数据作为目标数据。
或者,若所述初级数据中的坐标点数量大于所述期望数量,则对所述初级数据进行二次筛选,并将二次筛选的结果作为目标数据。
进一步的,所述对所述初级数据进行二次筛选,包括:
获取所述初级数据中的所有坐标点。
获取第二算数平均值,所述第二算数平均值为所述初级数据中所有坐标点纵坐标值的算数平均值。
获取第二差值,所述第二差值为所述初级数据中任意一个坐标点的纵坐标值与所述第二算数平均值的差值。
根据所述第二差值的大小以及所述期望数量,从所述初级数据中选取坐标点,将选取的坐标点作为二次筛选的结果。
选取坐标点的时候,考虑到在坐标点比较密集的情况下,如果选取最相近的坐标点,这些最相近的点可能是挨着的,这种情况下,即使选取了几个点,但跟取一个点没什么区别。本申请实施例中,为了防止这种情况,将初级数据中所有坐标点对应的第二差值按大小进行排序,选取第二差值最大和最小对应的两个坐标点作为二次筛选的结果,这种筛选方式能够有效降低形态特征的损失。
进一步的,所述方法还包括:
若所述初级数据中的坐标点数量小于预设的期望数量,则获取坐标点数量差值,并按照所述坐标点数量差值,从所述二级数据中提取补位坐标点,将所述补位坐标点合并到所述初级数据中形成目标数据,其中,所述坐标点数量差值为所述初级数据中坐标点数量与所述期望数量的差值。
或者,若所述初级数据中不存在坐标点,则按照所述期望数量,从所述二级数据中提取新坐标点,并将所述新坐标点作为目标数据。
实际应用中,如果二级数据中不存在坐标点的话,则返回上级,针对一级数据提取补位坐标点或者新坐标点。
进一步的,所述按照所述坐标点数量差值,从所述二级数据中提取补位坐标点,将所述补位坐标点合并到所述初级数据中形成目标数据,包括:
获取所述初级数据中的所有坐标点以及所述二级数据中的所有坐标点。
获取第三算数平均值,所述第三算数平均值为所述初级数据中所有坐标点纵坐标值的算数平均值。
获取第三差值,所述第三差值为所述二级数据中任意一个坐标点的纵坐标值与所述第三算数平均值的差值。
根据所述第三差值的大小以及所述坐标点数量差值,从所述二级数据中选取所述补位坐标点,所要选取的补位坐标点数量与坐标点数量差值一致。实际应用中,选取补位坐标点时,将第三差值从小到大进行排序,按照奇数次序选取补位坐标点,例如,若需要选取两个补位坐标点,则将第三差值排序第一以及第三对应的坐标点作为补位坐标点。这样间隔式的选取,能够有效降低形态特征的损失。
将所述补位坐标点合并到所述初级数据中形成目标数据。
进一步的,所述按照所述期望数量,从所述二级数据中提取新坐标点,并将所述新坐标点作为目标数据,包括:
获取所述二级数据中的所有坐标点。
获取第四算数平均值,所述第四算数平均值为所述二级数据中所有坐标点纵坐标值的算数平均值。
获取第四差值,所述第四差值为所述二级数据中任意一个坐标点的纵坐标值与所述第四算数平均值的差值。
根据所述第四差值的大小以及所述期望数量,从所述二级数据中选取所述新坐标点,并将所述新坐标点作为目标数据。其中,所要选取的新坐标点的数量与所述期望数量一致。
实际应用中,选取新坐标点的方式与选取补位坐标点的方式类似,也是间隔式的选取。具体的,将第四差值从小到大进行排序,按照奇数次序进行选取,例如,若需要选取两个新坐标点,则将第四差值排序第一以及第三对应的坐标点作为新坐标点。
下述为本申请装置实施例,用于实施本申请方法实施例。对于本申请装置实施例中未披露的细节,请参照本申请方法实施例。
本申请第二实施例公开了一种基于雷达数据处理的高炉料线获取装置,所述装置应用于本申请第一实施例所述的一种基于雷达数据处理的高炉料线获取方法,参见图4所示,所述装置包括:
数据获取模块10,用于获取雷达反射数据。
坐标获取模块20,用于获取位于目标区域内的所有雷达反射数据在预设坐标系中的坐标点,所述目标区域根据高炉中心线以及高炉零料线划定。
异常值过滤模块30,用于对所述坐标点进行异常值过滤,生成待筛选数据。
分组模块40,用于对所述待筛选数据进行分组,并将分组后的待筛选数据中的任意一组作为目标组数据。
初次筛选模块50,用于对所述目标组数据进行初次筛选,生成初级数据,所述初次筛选包括:基于预设的坐标点距离阈值进行筛选、基于预设的纵坐标差值阈值进行筛选以及基于预设的坐标点连线角度阈值进行筛选;所述初次筛选模块包括距离筛选单元、纵坐标值筛选单元以及角度筛选单元,其中,所述距离筛选单元用于基于预设的坐标点距离阈值进行筛选,所述纵坐标值筛选单元用于基于预设的纵坐标差值阈值进行筛选,所述角度筛选单元用于基于预设的坐标点连线角度阈值进行筛选。
目标数据获取模块60,用于根据所述初级数据中的坐标点数量,从所述初级数据中筛选出目标数据。
料线生成模块70,用于对所有组待筛选数据对应的目标数据中所有坐标点进行连线,生成料线。
进一步的,所述距离筛选单元包括:
第一坐标获取子单元,用于获取所述目标组数据中的所有坐标点。
距离筛选子单元,用于获取目标点与下一个坐标点之间的距离,若所述距离大于所述预设的坐标点距离阈值,则删除所述下一个坐标点,其中所述目标点为端点或者为与上一个坐标点之间的距离不大于所述预设的坐标点距离阈值的坐标点,所述端点为沿X轴方向位于所述目标组数据中其中一个边缘的坐标点。
一级数据生成子单元,用于获取所述目标组数据中所有剩下的坐标点,生成一级数据。
进一步的,所述纵坐标值筛选单元包括:
第二坐标获取子单元,用于获取所述一级数据中的所有坐标点。
第一算数平均值获取子单元,用于获取第一算数平均值,所述第一算数平均值为所述一级数据中所有坐标点纵坐标值的算数平均值。
第一差值获取子单元,用于获取第一差值,所述第一差值为所述一级数据中任意一个坐标点的纵坐标值与所述第一算数平均值的差值。
第一差值筛选子单元,用于根据所述第一差值以及所述预设的纵坐标差值阈值,对所述一级数据中所有坐标点进行筛选。其中,若所述第一差值大于所述预设的纵坐标差值阈值,则将所述第一差值对应的坐标点过滤。或者,若所述第一差值不大于所述预设的纵坐标差值阈值,则将所述第一差值对应的坐标点保留。
二级数据生成子单元,用于获取对所述一级数据中所有坐标点进行筛选后保留的所有坐标点,生成二级数据。
进一步的,所述角度筛选单元包括:
起始点选取子单元,用于将位于所述二级数据中其中一端最边缘的坐标点作为起始点。
角度获取子单元,用于获取所述起始点与位于所述起始点后的两个坐标点之间连线的角度。
角度判断子单元,用于判断所述角度是否小于所述预设的坐标点连线角度阈值,若是,则执行第一结果判定子单元的操作,若否,则执行第二结果判定子单元的操作。
第一结果判定子单元,用于将所述连线中的第二个坐标点删除,返回执行角度获取子单元的操作。
第二结果判定子单元,用于将所述连线中的第二个坐标点作为新的起始点,并判断所述新的起始点是否属于所述二级数据中另一端最边缘的两个坐标点,若否,则返回执行角度获取子单元的操作,若是,则执行初级数据生成子单元的操作。
初级数据生成子单元,用于获取所述二级数据中剩下的所有坐标点,生成初级数据。
进一步的,目标数据获取模块包括:
直接获取单元,用于在所述初级数据中的坐标点数量为预设的期望数量时,将所述初级数据作为目标数据。
筛选获取单元,用于在所述初级数据中的坐标点数量大于所述期望数量,则对所述初级数据进行二次筛选,并将二次筛选的结果作为目标数据。
进一步的,所述筛选获取单元包括:
第三坐标获取子单元,用于获取所述初级数据中的所有坐标点。
第二算数平均值获取子单元,用于获取第二算数平均值,所述第二算数平均值为所述初级数据中所有坐标点纵坐标值的算数平均值。
第二差值获取子单元,用于获取第二差值,所述第二差值为所述初级数据中任意一个坐标点的纵坐标值与所述第二算数平均值的差值。
第二差值筛选子单元,用于根据所述第二差值的大小以及所述期望数量,从所述初级数据中选取坐标点,将选取的坐标点作为二次筛选的结果。
进一步的,所述装置还包括:
补位提取模块,用于在所述初级数据中的坐标点数量小于预设的期望数量时,获取坐标点数量差值,并按照所述坐标点数量差值,从所述二级数据中提取补位坐标点,将所述补位坐标点合并到所述初级数据中形成目标数据,其中,所述坐标点数量差值为所述初级数据中坐标点数量与所述期望数量的差值。
新坐标提取模块,用于在所述初级数据中不存在坐标点时,则按照所述期望数量,从所述二级数据中提取新坐标点,并将所述新坐标点作为目标数据。
进一步的,所述补位提取模块包括:
第四坐标获取单元,用于获取所述初级数据中的所有坐标点以及所述二级数据中的所有坐标点。
第三算数平均值获取单元,用于获取第三算数平均值,所述第三算数平均值为所述初级数据中所有坐标点纵坐标值的算数平均值。
第三差值获取单元,用于获取第三差值,所述第三差值为所述二级数据中任意一个坐标点的纵坐标值与所述第三算数平均值的差值。
第三差值筛选单元,用于根据所述第三差值的大小以及所述坐标点数量差值,从所述二级数据中选取所述补位坐标点。
目标数据生成单元,用于将所述补位坐标点合并到所述初级数据中形成目标数据。
进一步的,所述新坐标提取模块包括:
第五坐标获取单元,用于获取所述二级数据中的所有坐标点。
第四算数平均值获取单元,用于获取第四算数平均值,所述第四算数平均值为所述二级数据中所有坐标点纵坐标值的算数平均值。
第四差值获取单元,用于获取第四差值,所述第四差值为所述二级数据中任意一个坐标点的纵坐标值与所述第四算数平均值的差值。
第四差值筛选单元,用于根据所述第四差值的大小以及所述期望数量,从所述二级数据中选取所述新坐标点,并将所述新坐标点作为目标数据。
以上结合具体实施方式和范例性实例对本申请进行了详细说明,不过这些说明并不能理解为对本申请的限制。本领域技术人员理解,在不偏离本申请精神和范围的情况下,可以对本申请技术方案及其实施方式进行多种等价替换、修饰或改进,这些均落入本申请的范围内。本申请的保护范围以所附权利要求为准。
Claims (10)
1.一种基于雷达数据处理的高炉料线获取方法,其特征在于,包括:
获取雷达反射数据;
获取位于目标区域内的所有雷达反射数据在预设坐标系中的坐标点,所述目标区域根据高炉中心线以及高炉零料线划定;
对所述坐标点进行异常值过滤,生成待筛选数据;
对所述待筛选数据进行分组,并将分组后的待筛选数据中的任意一组作为目标组数据;
对所述目标组数据进行初次筛选,生成初级数据,所述初次筛选包括:基于预设的坐标点距离阈值进行筛选、基于预设的纵坐标差值阈值进行筛选以及基于预设的坐标点连线角度阈值进行筛选;
根据所述初级数据中的坐标点数量,从所述初级数据中筛选出目标数据;
对所有组待筛选数据对应的目标数据中所有坐标点进行连线,生成料线。
2.根据权利要求1所述的方法,其特征在于,所述基于预设的坐标点距离阈值进行筛选包括:
获取所述目标组数据中的所有坐标点;
获取目标点与下一个坐标点之间的距离,若所述距离大于所述预设的坐标点距离阈值,则删除所述下一个坐标点,其中所述目标点为端点或者为与上一个坐标点之间的距离不大于所述预设的坐标点距离阈值的坐标点,所述端点为沿X轴方向位于所述目标组数据中其中一个边缘的坐标点;
获取所述目标组数据中所有剩下的坐标点,生成一级数据。
3.根据权利要求2所述的方法,其特征在于,所述基于预设的纵坐标差值阈值进行筛选包括:
获取所述一级数据中的所有坐标点;
获取第一算数平均值,所述第一算数平均值为所述一级数据中所有坐标点纵坐标值的算数平均值;
获取第一差值,所述第一差值为所述一级数据中任意一个坐标点的纵坐标值与所述第一算数平均值的差值;
根据所述第一差值以及所述预设的纵坐标差值阈值,对所述一级数据中所有坐标点进行筛选;其中,若所述第一差值大于所述预设的纵坐标差值阈值,则将所述第一差值对应的坐标点过滤;或者,若所述第一差值不大于所述预设的纵坐标差值阈值,则将所述第一差值对应的坐标点保留;
获取对所述一级数据中所有坐标点进行筛选后保留的所有坐标点,生成二级数据。
4.根据权利要求3所述的方法,其特征在于,所述基于预设的坐标点连线角度阈值进行筛选包括:
S1、将位于所述二级数据中其中一端最边缘的坐标点作为起始点;
S2、获取所述起始点与位于所述起始点后的两个坐标点之间连线的角度;
S3、判断所述角度是否小于所述预设的坐标点连线角度阈值,若是,则执行步骤S4,若否,则执行步骤S5;
S4、将所述连线中的第二个坐标点删除,返回执行步骤S2;
S5、将所述连线中的第二个坐标点作为新的起始点,并判断所述新的起始点是否属于所述二级数据中另一端最边缘的两个坐标点,若否,则返回执行步骤S2,若是,则执行步骤S6;
S6、获取所述二级数据中剩下的所有坐标点,生成初级数据。
5.根据权利要求1所述的方法,其特征在于,所述根据所述初级数据中的坐标点数量,从所述初级数据中筛选出目标数据,包括:
若所述初级数据中的坐标点数量为预设的期望数量,则将所述初级数据作为目标数据;
或者,若所述初级数据中的坐标点数量大于所述期望数量,则对所述初级数据进行二次筛选,并将二次筛选的结果作为目标数据。
6.根据权利要求5所述的方法,其特征在于,所述对所述初级数据进行二次筛选,包括:
获取所述初级数据中的所有坐标点;
获取第二算数平均值,所述第二算数平均值为所述初级数据中所有坐标点纵坐标值的算数平均值;
获取第二差值,所述第二差值为所述初级数据中任意一个坐标点的纵坐标值与所述第二算数平均值的差值;
根据所述第二差值的大小以及所述期望数量,从所述初级数据中选取坐标点,将选取的坐标点作为二次筛选的结果。
7.根据权利要求3或4所述的方法,其特征在于,所述方法还包括:
若所述初级数据中的坐标点数量小于预设的期望数量,则获取坐标点数量差值,并按照所述坐标点数量差值,从所述二级数据中提取补位坐标点,将所述补位坐标点合并到所述初级数据中形成目标数据,其中,所述坐标点数量差值为所述初级数据中坐标点数量与所述期望数量的差值;
或者,若所述初级数据中不存在坐标点,则按照所述期望数量,从所述二级数据中提取新坐标点,并将所述新坐标点作为目标数据。
8.根据权利要求7所述的方法,其特征在于,所述按照所述坐标点数量差值,从所述二级数据中提取补位坐标点,将所述补位坐标点合并到所述初级数据中形成目标数据,包括:
获取所述初级数据中的所有坐标点以及所述二级数据中的所有坐标点;
获取第三算数平均值,所述第三算数平均值为所述初级数据中所有坐标点纵坐标值的算数平均值;
获取第三差值,所述第三差值为所述二级数据中任意一个坐标点的纵坐标值与所述第三算数平均值的差值;
根据所述第三差值的大小以及所述坐标点数量差值,从所述二级数据中选取所述补位坐标点;
将所述补位坐标点合并到所述初级数据中形成目标数据。
9.根据权利要求7所述的方法,其特征在于,所述按照所述期望数量,从所述二级数据中提取新坐标点,并将所述新坐标点作为目标数据,包括:
获取所述二级数据中的所有坐标点;
获取第四算数平均值,所述第四算数平均值为所述二级数据中所有坐标点纵坐标值的算数平均值;
获取第四差值,所述第四差值为所述二级数据中任意一个坐标点的纵坐标值与所述第四算数平均值的差值;
根据所述第四差值的大小以及所述期望数量,从所述二级数据中选取所述新坐标点,并将所述新坐标点作为目标数据。
10.一种基于雷达数据处理的高炉料线获取装置,其特征在于,所述装置应用于权利要求1-9任一项所述的一种基于雷达数据处理的高炉料线获取方法,所述装置包括:
数据获取模块,用于获取雷达反射数据;
坐标获取模块,用于获取位于目标区域内的所有雷达反射数据在预设坐标系中的坐标点,所述目标区域根据高炉中心线以及高炉零料线划定;
异常值过滤模块,用于对所述坐标点进行异常值过滤,生成待筛选数据;
分组模块,用于对所述待筛选数据进行分组,并将分组后的待筛选数据中的任意一组作为目标组数据;
初次筛选模块,用于对所述目标组数据进行初次筛选,生成初级数据,所述初次筛选包括:基于预设的坐标点距离阈值进行筛选、基于预设的纵坐标差值阈值进行筛选以及基于预设的坐标点连线角度阈值进行筛选;
目标数据获取模块,用于根据所述初级数据中的坐标点数量,从所述初级数据中筛选出目标数据;
料线生成模块,用于对所有组待筛选数据对应的目标数据中所有坐标点进行连线,生成料线。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010019836.1A CN110819751B (zh) | 2020-01-09 | 2020-01-09 | 一种基于雷达数据处理的高炉料线获取方法及装置 |
PCT/CN2020/128646 WO2021139399A1 (zh) | 2020-01-09 | 2020-11-13 | 一种基于雷达数据处理的高炉料线获取方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010019836.1A CN110819751B (zh) | 2020-01-09 | 2020-01-09 | 一种基于雷达数据处理的高炉料线获取方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110819751A CN110819751A (zh) | 2020-02-21 |
CN110819751B true CN110819751B (zh) | 2020-04-10 |
Family
ID=69546483
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010019836.1A Active CN110819751B (zh) | 2020-01-09 | 2020-01-09 | 一种基于雷达数据处理的高炉料线获取方法及装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN110819751B (zh) |
WO (1) | WO2021139399A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110819751B (zh) * | 2020-01-09 | 2020-04-10 | 江苏金恒信息科技股份有限公司 | 一种基于雷达数据处理的高炉料线获取方法及装置 |
CN113093829A (zh) * | 2021-03-03 | 2021-07-09 | 青岛海尔科技有限公司 | 温度调节方法及装置、存储介质及电子装置 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
LU87578A1 (fr) * | 1989-09-07 | 1991-05-07 | Wurth Paul Sa | Dispositif de determination de la carte topographique de la surface de chargement d'un four a cuve |
CN100535128C (zh) * | 2007-03-16 | 2009-09-02 | 北京科技大学 | 高炉料面形状动态立体监测系统及检测方法 |
CN102382918B (zh) * | 2011-10-11 | 2014-08-27 | 高征铠 | 一种在线测量高炉料面的系统和方法 |
CN103834758B (zh) * | 2014-03-14 | 2015-07-15 | 中南大学 | 一种连续高精度的高炉料位实时检测方法 |
CN105483305B (zh) * | 2016-01-12 | 2017-10-20 | 北京科技大学 | 一种基于高炉雷达数据的料层分布可视化方法 |
CN105950807B (zh) * | 2016-06-02 | 2018-10-16 | 燕山大学 | 一种多信息融合的高炉布料过程料面形状建模方法 |
CN109490861B (zh) * | 2018-10-29 | 2020-06-02 | 北京科技大学 | 一种高炉料线提取方法 |
CN110819751B (zh) * | 2020-01-09 | 2020-04-10 | 江苏金恒信息科技股份有限公司 | 一种基于雷达数据处理的高炉料线获取方法及装置 |
-
2020
- 2020-01-09 CN CN202010019836.1A patent/CN110819751B/zh active Active
- 2020-11-13 WO PCT/CN2020/128646 patent/WO2021139399A1/zh active Application Filing
Also Published As
Publication number | Publication date |
---|---|
CN110819751A (zh) | 2020-02-21 |
WO2021139399A1 (zh) | 2021-07-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110819751B (zh) | 一种基于雷达数据处理的高炉料线获取方法及装置 | |
Monjezi et al. | Simultaneous prediction of fragmentation and flyrock in blasting operation using artificial neural networks | |
US4414685A (en) | Method and apparatus for pattern recognition and detection | |
CN109859187B (zh) | 一种爆堆矿岩颗粒图像分割方法 | |
JP7064664B2 (ja) | 対象認識装置、方法およびプログラムならびに対象除去システム | |
CN111536843B (zh) | 工业电子雷管起爆网路延期时间设计以及爆破方法 | |
JPH0199175A (ja) | 視覚システムの動作方法及び視覚システム | |
CN117152475A (zh) | 一种获取爆堆矿石块度的方法 | |
US20230076772A1 (en) | Information processing device and information processing system | |
JP3697957B2 (ja) | 切羽前方亀裂分布予測方法 | |
CN107271204B (zh) | 非等幅域值数据压缩方法及装置 | |
JPH05202694A (ja) | トンネル掘削方法 | |
CN109047026B (zh) | 一种矿石筛选系统及方法 | |
Jahani et al. | Comparison of empirical fragmentation models at the Gol-Gohar iron ore mine | |
CETin | Assessment of costs in cut-off grades optimization by using grid search method | |
CN110309977A (zh) | 一种粮堆扦样高度随机布局方法及圆仓粮堆扦样方法 | |
CN114612677A (zh) | 一种基于图形图像处理的低序级断层自动识别方法 | |
US6819788B2 (en) | Failure analysis method that allows high-precision failure mode classification | |
CN114241035B (zh) | 一种隧道断面超欠挖面积计算方法 | |
CN111126692A (zh) | 一种露天矿山损失率贫化率预测方法 | |
Niu et al. | Clustering analysis for secondary breaking using a low-cost time-of-flight camera | |
CN113774174B (zh) | 一种高炉焦炭选配控制方法和装置 | |
JP2815263B2 (ja) | 細線画像整形方法 | |
CN114295046B (zh) | 一种爆堆形态综合评价方法及系统、电子设备、存储介质 | |
WO2023187501A1 (en) | System and method for measuring burden profile in a metallurgical furnace |
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 |