CN110908287B - 一种轨道车辆车体铝型材振动声辐射主动前馈力控制策略制定方法 - Google Patents
一种轨道车辆车体铝型材振动声辐射主动前馈力控制策略制定方法 Download PDFInfo
- Publication number
- CN110908287B CN110908287B CN201911274390.0A CN201911274390A CN110908287B CN 110908287 B CN110908287 B CN 110908287B CN 201911274390 A CN201911274390 A CN 201911274390A CN 110908287 B CN110908287 B CN 110908287B
- Authority
- CN
- China
- Prior art keywords
- time domain
- vehicle body
- noise
- aluminum profile
- signal
- 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
-
- 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)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种轨道车辆车体铝型材振动声辐射主动前馈力控制策略制定方法,属于轨道车辆NVH技术领域,包括在有限元模型模块中建立轨道车辆车体铝型材有限元模型,将振动加速度载荷时域信号x(t)施加在轨道车辆车体铝型材有限元模型中,计算轨道车辆车体内一侧目标降噪点ReceivingPoint的主路径时域噪声信号signal0(t),从而计算出其A计权声压级总值A0,列出所有可供选择的m种不同的前馈主动控制算法mothod1、mothod2…mothodm,控制力源所有可供选择的模型中的n个施加点位position1、position2…positionn,确定控制算法以及控制力源点位的最优匹配组合,解决了通过自动化地仿真计算,有效预测不同控制算法、不同次级控制力源施加点位工况下的噪声控制效果的技术问题。
Description
技术领域
本发明属于轨道车辆NVH技术领域,涉及一种轨道车辆车体铝型材振动声辐射主动前馈力控制策略制定方法。
背景技术
类如隔声、吸声等被动降噪技术一直以来都作为轨道车辆车厢内部噪声的主流控制方法。然而,随着列车的车内噪声及轻量化指标不断提高,被动降噪技术已经达到了瓶颈,尤其在噪声的低频控制区域,极难取得良好的应用效果。
轨道车辆车内噪声的中低频成分能量显著,是车内声场优化的重点。目前,一些主动噪声控制技术已被逐渐应用于轨道车辆,但由于轨道车辆车厢内部空间较大,陈设复杂,导致以声消声的主动噪声控制效果很不理想。
以振消声是主动噪声控制技术的又一重要方法,其从声源入手,对辐射噪声的振动源进行振动抑制,从而达到削减目标降噪点或区域噪声的目的。轨道车辆的车体结构中,质量及厚度占比最大的即为铝型材部分,当列车运行时,车体铝型材的振动被激发,并成为车内噪声中最主要的噪声辐射源之一。削减车体铝型材的振动,能够有效降低其向车内的噪声辐射水平,具有较强的因果性,因而适用前馈力控制方法。然而,车体铝型材振动声辐射的主动前馈力控制其难度较大,尤其是次级控制力源的点位以及控制算法的选择;若通过实地试验的方法,工作量异常巨大,人力、时间及经济成本高昂。
发明内容
本发明的目的是提供一种轨道车辆车体铝型材振动声辐射主动前馈力控制策略制定方法,解决了通过自动化地仿真计算,有效预测不同控制算法、不同次级控制力源施加点位工况下的噪声控制效果的技术问题。
为实现上述目的,本发明采用如下技术方案:
一种轨道车辆车体铝型材振动声辐射主动前馈力控制策略制定方法,包括如下步骤:
步骤1:建立数据采集服务器和中心服务器,数据采集服务器和中心服务器之间通过互联网通信;
步骤2:在数据采集服务器中录入实测的振动加速度载荷时域信号x(t),并建立实测数据库;
在中心服务器中建立有限元模型模块,
步骤3:在有限元模型模块中建立轨道车辆车体铝型材有限元模型;
步骤4:中心服务器从实测数据库中获取振动加速度载荷时域信号x(t),并将振动加速度载荷时域信号x(t)施加在轨道车辆车体铝型材有限元模型中;
计算轨道车辆车体内一侧目标降噪点ReceivingPoint的主路径时域噪声信号signal0(t),从而计算出其A计权声压级总值A0;
步骤5:在中心服务器中列出所有可供选择的m种不同的前馈主动控制算法mothod1、mothod2…mothodm,同时,列出控制力源所有可供选择的模型中的n个施加点位position1、position2…positionn;
步骤6:中心服务器根据以下步骤确定控制算法以及控制力源点位的最优匹配组合:
步骤S1:设置振动加速度载荷时域信号x(t)为失效,将白噪声时域力源WhiteForce(t)作为输入施加在模型中的第一个可行点位position1,并计算目标降噪点ReceivingPoint时域下的噪声输出信号Signal1(t),进而辨识得到次级路径传递函数S1(z);
步骤S2:同理步骤S1的方法,依次将白噪声时域力源WhiteForce(t)作为输入施加在模型中的第2、3…n个可行点位position2、position3…positionn,并分别计算对应的目标降噪点ReceivingPoint时域下的噪声输出信号signal2(t)、signal3(t)…signaln(t),进而分别辨识得到次级路径传递函数S2(z)、S3(z)…Sn(z);
步骤S3:根据mothod1算法,分别将S1(z)、S2(z)…Sn(z)作为输入,signal0(t)恒为输入,分别计算得到目标降噪点ReceivingPoint对应的噪声残差时域信号e1,1(t)、e1,2(t)…e1,n(t);
步骤S4:同理步骤S3的方法,依次根据mothod2、mothod3…mothodn算法,分别将S1(z)、S2(z)…Sn(z)作为输入,signal0(t)恒为输入,即分别计算得到目标降噪点ReceivingPoint对应的各个噪声残差时域信号;
步骤S5:根据步骤S2和步骤S4的结果,得到噪声残差时域信号矩阵E(t):
步骤S6:对E(t)中的每一元素进行A计权声压级总值计算,得到噪声残差A计权声压级总值矩阵EP:
再通过相减进一步计算得到降噪量矩阵AP:
步骤S7:在降噪量矩阵AP中择取最大值APm,n(max),即为目标降噪点ReceivingPoint降噪效果的最佳值,该值对应的角标m、n值,即为对应的控制算法以及控制力源点位的最优匹配组合。
优选的,轨道车辆车体铝型材的全部尺寸、材料及阻尼参数均通过实测获得,并通过录入的方式输入到数据采集服务器中。
优选的,在有限元模型模块中,通过声振分析软件Virtual lab的时域有限元模块,建立轨道车辆车体铝型材有限元模型。
本发明所述的一种轨道车辆车体铝型材振动声辐射主动前馈力控制策略制定方法,解决了通过自动化地仿真计算,有效预测不同控制算法、不同次级控制力源施加点位工况下的噪声控制效果的技术问题,本发明节省了人力、时间及经济等研发成本。
附图说明
图1为是本发明的流程图;
图2为本发明的地板铝型材主路径时域噪声信号计算原理示意图;
图3为本发明的实测振动加速度载荷时域信号x(t)的波形图;
图4为本发明的主路径目标降噪点ReceivingPoint的时域噪声信号signal0(t)的波形图;
图5是本发明的地板铝型材次级控制力源备选施加点位示意图;
图6是本发明的次级路径传递函数辨识的计算原理图;
图7是本发明的实测验证效果:时域下的声压控制效果图;
图8是本发明的实测验证效果:时域下的声压级总值控制效果图;
图9是本发明的实测验证效果:窄带频域下的声压级控制效果图。
具体实施方式
如图1-图9所示的一种轨道车辆车体铝型材振动声辐射主动前馈力控制策略制定方法,包括如下步骤:
步骤1:建立数据采集服务器和中心服务器,数据采集服务器和中心服务器之间通过互联网通信;
步骤2:在数据采集服务器中录入实测的振动加速度载荷时域信号x(t),并建立实测数据库;
在中心服务器中建立有限元模型模块,
步骤3:在有限元模型模块中建立轨道车辆车体铝型材有限元模型;
本实施例在声振分析软件Virtual lab的时域有限元模块中,按照轨道车辆车体铝型材的实际尺寸建立地板铝型材有限元模型,并设置模型材料为铝合金,边界条件为四边固支,阻尼参数设置为实测窄带下的阻尼损耗因子。
步骤4:中心服务器从实测数据库中获取振动加速度载荷时域信号x(t),并将振动加速度载荷时域信号x(t)施加在轨道车辆车体铝型材有限元模型中;
计算轨道车辆车体内一侧目标降噪点ReceivingPoint的主路径时域噪声信号signal0(t),从而计算出其A计权声压级总值A0;
本实施例计算地板铝型材车内一侧距离地板1.2m处目标降噪点ReceivingPoint的主路径时域噪声信号signal0(t),x(t)及signal0(t)的时域信号分别如图3、图4所示,signal0(t)的A计权声压级总值计算结果为A0=85.6dB;
步骤5:在中心服务器中列出所有可供选择的m种不同的前馈主动控制算法mothod1、mothod2…mothodm,同时,列出控制力源所有可供选择的模型中的n个施加点位position1、position2…positionn;
如图5所示,本实施例列出2种前馈主动控制算法mothod1、mothod2作为备选算法,分别是FXLMS算法以及FURLMS算法;基于实际空间布局以及测试工作量的考虑,列出了25个次级控制力源备选施加点位position1、position2…position25。
步骤6:中心服务器根据以下步骤确定控制算法以及控制力源点位的最优匹配组合:
步骤S1:设置振动加速度载荷时域信号x(t)为失效,将白噪声时域力源WhiteForce(t)作为输入施加在模型中的第一个可行点位position1,并计算目标降噪点ReceivingPoint时域下的噪声输出信号Signal1(t),进而辨识得到次级路径传递函数S1(z);
步骤S2:同理步骤S1的方法,依次将白噪声时域力源WhiteForce(t)作为输入施加在模型中的第2、3…n个可行点位position2、position3…positionn,并分别计算对应的目标降噪点ReceivingPoint时域下的噪声输出信号signal2(t)、signal3(t)…signaln(t),进而分别辨识得到次级路径传递函数S2(z)、S3(z)…Sn(z);
步骤S3:根据mothod1算法,分别将S1(z)、S2(z)…Sn(z)作为输入,signal0(t)恒为输入,分别计算得到目标降噪点ReceivingPoint对应的噪声残差时域信号e1,1(t)、e1,2(t)…e1,n(t);
步骤S4:同理步骤S3的方法,依次根据mothod2、mothod3…mothodn算法,分别将S1(z)、S2(z)…Sn(z)作为输入,signal0(t)恒为输入,即分别计算得到目标降噪点ReceivingPoint对应的各个噪声残差时域信号;
步骤S5:根据步骤S2和步骤S4的结果,得到噪声残差时域信号矩阵E(t):
本实施例中,首先根据mothod1(FXLMS)算法,分别将S1(z)、S2(z)…Sn(z)作为输入,signal0(t)恒作为输入,分别计算得到目标降噪点ReceivingPoint对应的噪声残差时域信号e1,1(t)、e1,2(t)…e1,25(t);再将算法更换为mothod2(FURLMS)算法,重复上述过程,又可得到该条件下的e2,1(t)、e2,2(t)…e2,25(t);至此可得到包含有全部噪声残差处理结果的时域信号矩阵E(t):
步骤S6:对E(t)中的每一元素进行A计权声压级总值计算,得到噪声残差A计权声压级总值矩阵EP:
再通过相减进一步计算得到降噪量矩阵AP:
步骤S7:在降噪量矩阵AP中择取最大值APm,n(max),即为目标降噪点ReceivingPoint降噪效果的最佳值,该值对应的角标m、n值,即为对应的控制算法以及控制力源点位的最优匹配组合。
如表1所示的所有策略下的降噪量矩阵AP计算结果,本实施例中,最大值为A2,12(max)=5.6dBA,即为目标降噪点ReceivingPoint降噪效果的最佳值,该值对应的角标值为(2,12),即说明FURLMS控制算法,且次级控制力源施加在第12号点位时,能够在目标降噪点处取得相对最佳的降噪效果,由此确定了该地板铝型材振动声辐射主动前馈力控制的最佳策略。
表1
如图7、图8和图9所示,本实施例给出了地板铝型材振动声辐射主动前馈力控制的实测验证效果,在1.0s时刻,基于该策略启动主动控制,有效降低了声压级总值,并在200Hz~500Hz的噪声能量显著频段取得了良好的控制效果。
优选的,轨道车辆车体铝型材的全部尺寸、材料及阻尼参数均通过实测获得,并通过录入的方式输入到数据采集服务器中。
优选的,在有限元模型模块中,通过声振分析软件Virtual lab的时域有限元模块,建立轨道车辆车体铝型材有限元模型。
本发明所述的一种轨道车辆车体铝型材振动声辐射主动前馈力控制策略制定方法,解决了通过自动化地仿真计算,有效预测不同控制算法、不同次级控制力源施加点位工况下的噪声控制效果的技术问题,本发明节省了人力、时间及经济等研发成本。
Claims (3)
1.一种轨道车辆车体铝型材振动声辐射主动前馈力控制策略制定方法,其特征在于:包括如下步骤:
步骤1:建立数据采集服务器和中心服务器,数据采集服务器和中心服务器之间通过互联网通信;
步骤2:在数据采集服务器中录入实测的振动加速度载荷时域信号x(t),并建立实测数据库;
在中心服务器中建立有限元模型模块,
步骤3:在有限元模型模块中建立轨道车辆车体铝型材有限元模型;
步骤4:中心服务器从实测数据库中获取振动加速度载荷时域信号x(t),并将振动加速度载荷时域信号x(t)施加在轨道车辆车体铝型材有限元模型中;
计算轨道车辆车体内一侧目标降噪点ReceivingPoint的主路径时域噪声信号signal0(t),从而计算出其A计权声压级总值A0;
步骤5:在中心服务器中列出所有可供选择的m种不同的前馈主动控制算法mothod1、mothod2…mothodm,同时,列出控制力源所有可供选择的模型中的n个施加点位position1、position2…positionn;
步骤6:中心服务器根据以下步骤确定控制算法以及控制力源点位的最优匹配组合:
步骤S1:设置振动加速度载荷时域信号x(t)为失效,将白噪声时域力源WhiteForce(t)作为输入施加在模型中的第一个可行点位position1,并计算目标降噪点ReceivingPoint时域下的噪声输出信号Signal1(t),进而辨识得到次级路径传递函数S1(z);
步骤S2:同理步骤S1的方法,依次将白噪声时域力源WhiteForce(t)作为输入施加在模型中的第2、3…n个可行点位position2、position3…positionn,并分别计算对应的目标降噪点ReceivingPoint时域下的噪声输出信号signal2(t)、signal3(t)…signaln(t),进而分别辨识得到次级路径传递函数S2(z)、S3(z)…Sn(z);
步骤S3:根据mothod1算法,分别将S1(z)、S2(z)…Sn(z)作为输入,signal0(t)恒为输入,分别计算得到目标降噪点ReceivingPoint对应的噪声残差时域信号e1,1(t)、e1,2(t)…e1,n(t);
步骤S4:同理步骤S3的方法,依次根据mothod2、mothod3…mothodn算法,分别将S1(z)、S2(z)…Sn(z)作为输入,signal0(t)恒为输入,即分别计算得到目标降噪点ReceivingPoint对应的各个噪声残差时域信号;
步骤S5:根据步骤S2和步骤S4的结果,得到噪声残差时域信号矩阵E(t):
步骤S6:对E(t)中的每一元素进行A计权声压级总值计算,得到噪声残差A计权声压级总值矩阵EP:
再通过相减进一步计算得到降噪量矩阵AP:
其中,A计权声压级总值A0;
步骤S7:在降噪量矩阵AP中择取最大值APm,n(max),即为目标降噪点ReceivingPoint降噪效果的最佳值,该值对应的角标m、n值,即为对应的控制算法以及控制力源点位的最优匹配组合。
2.如权利要求1所述的一种轨道车辆车体铝型材振动声辐射主动前馈力控制策略制定方法,其特征在于:轨道车辆车体铝型材的全部尺寸、材料及阻尼参数均通过实测获得,并通过录入的方式输入到数据采集服务器中。
3.如权利要求1所述的一种轨道车辆车体铝型材振动声辐射主动前馈力控制策略制定方法,其特征在于:在有限元模型模块中,通过声振分析软件Virtual lab的时域有限元模块,建立轨道车辆车体铝型材有限元模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911274390.0A CN110908287B (zh) | 2019-12-12 | 2019-12-12 | 一种轨道车辆车体铝型材振动声辐射主动前馈力控制策略制定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911274390.0A CN110908287B (zh) | 2019-12-12 | 2019-12-12 | 一种轨道车辆车体铝型材振动声辐射主动前馈力控制策略制定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110908287A CN110908287A (zh) | 2020-03-24 |
CN110908287B true CN110908287B (zh) | 2021-08-17 |
Family
ID=69824930
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911274390.0A Active CN110908287B (zh) | 2019-12-12 | 2019-12-12 | 一种轨道车辆车体铝型材振动声辐射主动前馈力控制策略制定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110908287B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112541289B (zh) * | 2020-12-15 | 2023-04-07 | 西南交通大学 | 一种轨道车辆车体铝型材结构的声振等效建模方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101702093A (zh) * | 2009-10-09 | 2010-05-05 | 江苏大学 | 一种振动结构辐射噪声的有源控制系统及控制方法 |
CN108280249A (zh) * | 2017-12-18 | 2018-07-13 | 西北工业大学 | 用于多层有源隔声结构的波数域误差传感策略构建方法 |
CN108422956A (zh) * | 2018-04-23 | 2018-08-21 | 上海迪彼电子科技有限公司 | 汽车车内噪声的主动控制降噪方法及系统 |
CN109859733A (zh) * | 2019-01-02 | 2019-06-07 | 哈尔滨理工大学 | 基于fxlms算法的发动机噪声控制方法 |
-
2019
- 2019-12-12 CN CN201911274390.0A patent/CN110908287B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101702093A (zh) * | 2009-10-09 | 2010-05-05 | 江苏大学 | 一种振动结构辐射噪声的有源控制系统及控制方法 |
CN108280249A (zh) * | 2017-12-18 | 2018-07-13 | 西北工业大学 | 用于多层有源隔声结构的波数域误差传感策略构建方法 |
CN108422956A (zh) * | 2018-04-23 | 2018-08-21 | 上海迪彼电子科技有限公司 | 汽车车内噪声的主动控制降噪方法及系统 |
CN109859733A (zh) * | 2019-01-02 | 2019-06-07 | 哈尔滨理工大学 | 基于fxlms算法的发动机噪声控制方法 |
Non-Patent Citations (6)
Title |
---|
A variable step-size FxLMS algorithm for feedforward active noise control systems based on a new online secondary path modelling technique;P. Davari等;《2008 IEEE/ACS International Conference on Computer Systems and Applications》;IEEE;20080422;第74-81页 * |
KTX"s interior noise reduction performance comparison for each section using multichannel active noise control;H. Jang等;《2012 12th International Conference on Control, Automation and Systems》;IEEE;20121231;第1265-1270页 * |
基于MATV的高速列车车体铝型材振动声辐射预测;姚丹等;《噪声与振动控制》;中国声学学会;20150630;第35卷(第3期);第37-40、66页 * |
车内噪声主动控制系统设计与实现;周德好;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;中国学术期刊(光盘版)电子杂志社;20170215(第02期);第1-71页 * |
高速列车地板结构隔声及隔声提高方法探究;王瑞乾;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;中国学术期刊(光盘版)电子杂志社;20140915(第09期);第1-77页 * |
高速列车车内噪声正向设计方法研究;王凯;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;中国学术期刊(光盘版)电子杂志社;20180615(第06期);第1-95页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110908287A (zh) | 2020-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109625156A (zh) | 船舶全频段舱室噪声预报及声学优化设计方法 | |
CN111968613A (zh) | 一种主动控制车辆全局空间噪声的卷积-模糊神经网络方法 | |
CN110908287B (zh) | 一种轨道车辆车体铝型材振动声辐射主动前馈力控制策略制定方法 | |
Courtois et al. | A procedure for efficient trimmed body fe simulations, based on a transfer admittance model of the sound package | |
CN111968614A (zh) | 一种基于卷积-模糊网络的车辆全局空间的主动噪声控制装置 | |
Park et al. | Coherence-based sensor set expansion for optimal sensor placement in active road noise control | |
Abouel-Seoud | Active control analysis of passenger vehicle interior noise produced from tyre/road interaction | |
Peng et al. | Research on the virtual reality of vibration characteristics in vehicle cabin based on neural networks | |
Jain et al. | Evaluation of acoustic performance of automotive seats by experimental and simulation techniques | |
Dong et al. | Road noise modelling using statistical energy analysis method | |
Zafeiropoulos | Active noise control in a luxury vehicle | |
Deng et al. | Acoustic-structural sensitivity analysis and optimism of car body multilayer panels | |
Nowak et al. | Inverse scheme for sound source identification in a vehicle trailer | |
CN113569434B (zh) | 一种有车状态下铁路隧道空间混响时间预测方法 | |
Zhao et al. | Active noise control of interior noise of a high-speed train carriage | |
Zhang et al. | Reduced-order robust controller design for vibration reduction | |
Khaknejad et al. | Refining Pickup Cabin NVH Quality via Optimising Exhaust Mountings Using DOE Method | |
CN113963676B (zh) | 一种乘用车噪声控制方法 | |
Wang et al. | Damping Mass Effects on Panel Sound Transmission Loss | |
Chen et al. | Automobile interior noise prediction based on energy finite element method | |
de Oliveira et al. | Adaptive control schemes for engine sound quality improvement | |
Zhang et al. | Prediction of sound absorption and insulation of automobile acoustic packages based on support vector machine | |
Mosquera-Sánchez et al. | Towards sound quality metrics balance on hybrid powertrains | |
Wu et al. | Dash Sound Package Optimization Using Genetic Algorithm Based on SEA Method | |
Stelzer et al. | FE simulation of the transmission loss performance of vehicle acoustic components at low and medium frequencies |
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 |