CN111125632B - 一种包含多个航天器遥测参数的变量序列计算方法 - Google Patents
一种包含多个航天器遥测参数的变量序列计算方法 Download PDFInfo
- Publication number
- CN111125632B CN111125632B CN201911103540.1A CN201911103540A CN111125632B CN 111125632 B CN111125632 B CN 111125632B CN 201911103540 A CN201911103540 A CN 201911103540A CN 111125632 B CN111125632 B CN 111125632B
- Authority
- CN
- China
- Prior art keywords
- value
- time
- sequence
- parameter
- para
- 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
- 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)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Navigation (AREA)
Abstract
本发明提供了一种包含多个航天器遥测参数的变量序列计算方法,首先提取所有的遥测参数代号名称,准备所需的遥测参数序列并进行合并,对合并后的遥测参数序列进行空值填充处理,然后按照paraCalStr计算变量值,最后将计算得到的所有变量值构成变量序列,并对结果序列进行过滤。本发明解决了利用插值对齐引入大量冗余点的问题,保证了结果变量序列的统计特性,避免了由于多个遥测参数采样间隔时间差可能引入的异常数据,提高了包含多个航天器遥测参数的变量序列计算结果的准确性。
Description
技术领域
本发明属于航天器遥测数据分析领域,具体涉及一种遥测参数的变量序列计算方法。
背景技术
在进行航天器的器部件中长期趋势分析预测,及性能指标评估评价时,需要使用长时间段的遥测数据序列,同时由于已设置的遥测参数无法满足指标评估评价要求,需要利用现有的多个遥测参数组合计算出新的变量,并完成新变量的长时段区间的值序列计算。
目前,利用多个遥测参数计算衍生变量或复合变量的方法,多是关注于灵活可扩展的配置方法,但都是完成单点值的计算,同时已有的针对时标不统一多变量序列的计算方法也存在两方面的问题:第一,多个遥测参数的数据起止时间段及采样间隔可能并不相同,按照指定的时间进行采样对齐可能引入大量冗余点,影响指标变量的统计分析结果;第二,多个遥测参数的采样间隔可能存在较大差异,变量在采样间隔差之间的计算结果并不准确,需要剔除该部分异常数据的影响。
发明内容
为了克服现有技术的不足,本发明提供一种包含多个航天器遥测参数的变量序列计算方法,在中长期多遥测参数数据趋势分析计算中,消除多遥测参数数据起止时间及采样率的差异。
本发明解决其技术问题所采用的技术方案包括如下步骤:
步骤1.1,提取所有的遥测参数代号名称,组成集合paraSet={para1,para2,…,paran},n是遥测参数代号名称的数量;
步骤1.2,在paraSet中的每个遥测参数parai,1≤i≤n,按照序列计算的起止时间startTime和endTime准备遥测参数原始值序列parai=[(timei1,valuei1),(timei2,valuei2),…,(timeim,valueim)]T,其中timei1>=startTime,timeim<=endTime;
步骤1.3,将所有遥测参数原始值序列合并,时标为依次从所有遥测参数时标中取最小值,直止所有时标均取完,timej为从所有参数时标中获得的当前最小时标,valuej1为遥测参数序列para1中与时标timej对应的参数值,valueji为遥测参数序列parai中与时标timej对应的参数值;如果para1中不含有时标timej则设置valuej1为NULL空值;得到paraMerge=[(time1,value11,value12,…,value1n),…,(timec,valuec1,valuec2,…,valuecn)]T,c为合并后序列长度;
步骤2.1,依次对paraMerge中的每一行数据进行填充,如果valueij为NULL空值,则valueij设置为valueij-1的值;
步骤2.2,对paraMerge中的每一行数据(timei,valuei1,valuei2,…,valuein)中的遥测参数值,按照paraCalStr中描述的运算符进行计算求值,得到计算结果序列paraRe=[(time1,value1),(time2,value2),…,(timec,valuec)]T;
步骤2.3,删除paraRe序列中含有空值的项,得到paraReN=[(time1,value1),(time2,value2),…,(timecn,valuecn)]T,cn为去掉空值后的序列长度;
步骤3.1,计算paraSet中每个参数的采样间隔rsi,取所有遥测参数采样间隔中的最大值为rsmax;
步骤3.2,设置结果序列的过滤上下限值为maxValue和minValue,过滤掉持续时间超过maxValue的超限结果,过滤掉结果序列中持续时间小于minValue的超限结果,得到过滤后的变量计算结果序列paraCal=[(time1,value1),(time2,value2),…,(timed,valued)]T。
所述的步骤1.1中,在输入信息paraCalStr中按照“[a-zA-Z]+\w{2,}”的正则表达式规则提取出所有的匹配字符串,每个匹配字符串如果在卫星已下传的遥测参数列表中,则将该匹配字符串加入遥测参数集合paraSet中,paraSet={para1,para2,…,paran}。
所述的步骤2.2中,对paraMerge中的一行数据(timei,valuei1,valuei2,…,valuein)中的遥测参数值,按照paraCalStr中描述的运算符进行计算求值,paraCalStr包含运算符+、-、*、/、%、==、>、<、>=、<=、(、)、[、],其中关系运算符==、>、<、>=、<=的结果为True或False,如果关系运算结果需要继续参与+、-、*、/、%的运算,则True转换为1值,False转换为0值;其中time为遥测参数数据的时标,value为遥测参数数据的值。
所述的步骤3.1中,对于遥测参数序列parai=[(timei1,valuei1),(timei2,valuei2),…,(timeim,valueim)]T中,将timeij-timeij-1,其中2≤j≤im,得到subArrayi=[sub1,sub2,…,subim-1],subArrayi中出现次数最多的值为参数parai的采样间隔rsi,取所有遥测参数采样间隔中的最大值为rsmax。
所述的步骤3.2中,设置100倍的rsmax值为maxValue,设置1倍的rsmax值为minValue。
本发明的有益效果是:
1)解决了多个时标不统一遥测参数序列进行运算,利用插值对齐引入大量冗余点的问题,保证了结果变量序列的统计特性,为基于遥测参数的航天器器部件中长期趋势分析预测提供了数据基础。
2)避免了由于多个遥测参数采样间隔时间差可能引入的异常数据,提高了包含多个航天器遥测参数的变量序列计算结果的准确性。
附图说明
图1是本发明的方法流程图;
图2是本发明应用案例的示意图。
具体实施方式
下面结合附图和实施例对本发明进一步说明,本发明包括但不仅限于下述实施例。
如图1所示,本发明提供一种包含多个航天器遥测参数的变量序列计算方法,具体包括如下步骤:
第一步:多遥测参数提取、数据准备及序列合并;
第二步:变量计算及序列结果收集;
第三步:变量序列计算结果的过滤。
该计算方法的输入有三项为paraCalStr、startTime、endTime,paraCalStr是包含遥测参数代号和“+、-、*、/、%、==、>、<、>=、<=、(、)、[、]”组成的表达式字符串,startTime是序列计算的开始时间,endTime是序列计算的结束时间。
该计算方法的输出为paraCal,paraCal是由变量计算结果组成的序列,表示为paraCal=[(time1,value1),(time2,value2),…,(timed,valued)]T,d为结果序列的长度,time为遥测参数数据的时标,value为遥测参数数据的值。
如上所述的第一步具体包括如下步骤:
步骤1.1:提取所有的遥测参数代号名称。在paraCalStr中按照“[a-zA-Z]+\w{2,}”的正则表达式规则(即以a到z或A到Z为第一个字符,其后至少为2个以上的字母、数字或下划线字符),提取出所有的匹配字符串,每个匹配字符串如果在卫星已下传的遥测参数列表中,则将该匹配字符串加入遥测参数集合paraSet中,paraSet={para1,para2,…,paran},paraSet即为paraCalStr中包含的所有遥测参数代号名称组成的集合。
步骤1.2:准备所需的遥测参数序列。在paraSet中的每个遥测参数parai,1≤i≤n,按照startTime和endTime准备遥测参数原始值序列parai=[(timei1,valuei1),(timei2,valuei2),…,(timeim,valueim)]T,其中timei1>=startTime,timeim<=endTime,每个遥测参数的时标timei均在startTime和endTime之间,但不同参数的时标序列并不完全相同。
步骤1.3:所有遥测参数值序列的合并,得到paraMerge。paraMerge中的一行数据表示为(timej,valuej1,valuej2,…,valuejn),时标为依次从所有遥测参数时标中取最小值,直止所有时标均取完,timej为从所有参数时标中获得的当前最小时标,valuej1为遥测参数序列para1中与时标timej对应的参数值,valueji为遥测参数序列parai中与时标timej对应的参数值,其中1≤i≤n。如果para1中不含有时标timej则设置valuej1为NULL空值。最后得到paraMerge=[(time1,value11,value12,…,value1n),…,(timec,valuec1,valuec2,…,valuecn)]T,c为合并后序列长度。
如上所述的第二步包括如下步骤:
对上步合并后的遥测参数序列进行空值填充处理,然后按照paraCalStr计算变量值,最后将计算得到的所有变量值构成变量序列,具体步骤如下:
步骤2.1:完成合并遥测参数值序列中的空值填充。具体填充方法为,依次对paraMerge中的每一行数据进行填充,如果valueij为NULL空值,其中1≤i≤n,1≤j≤c,则valueij设置为valueij-1的值,即填充为前一时刻的非空值。填充完成后paraMerge中不含有空值项。
步骤2.2:完成变量值的计算。对paraMerge中的一行数据(timei,valuei1,valuei2,…,valuein)中的遥测参数值,按照paraCalStr中描述的运算符进行计算求值,其中“==、>、<、>=、<=”关系运算符结果为“True”和“False”,如果关系运算结果需要继续参与“+、-、*、/、%”的运算,则“True”转换为1值,“False”转换为0值。
步骤2.3:变量的计算结果序列收集。对paraMerge中的每一行数据进行计算,然后得到计算结果序列paraRe=[(time1,value1),(time2,value2),…,(timec,valuec)]T,变量计算时可能产生空值项,空值项是指计算中除以0导致的无意义项。需要删除paraRe序列中含有空值的项得到paraReN=[(time1,value1),(time2,value2),…,(timecn,valuecn)]T,cn为去掉空值后的序列长度。
如上所述的第三步包括如下步骤:
由于多个遥测参数之间的采样间隔可能存在较大差异,导致采样间隔差之间的计算结果并不满足分析用户的需求,需要按照一定的规则对结果序列进行过滤,具体步骤如下:
步骤3.1:计算paraSet中每个参数的采样间隔,具体计算方法为对于遥测参数序列parai=[(timei1,valuei1),(timei2,valuei2),…,(timeim,valueim)]T中,将时标后一项减前一项,即timeij-timeij-1,其中2≤j≤im,得到subArrayi=[sub1,sub2,…,subim-1]。subArrayi中出现次数最多的值为参数parai的采样间隔rsi,取所有遥测参数采样间隔中的最大值为rsmax。
步骤3.2:设置结果序列的过滤上下限值为maxValue和minValue,一般设置100倍的rsmax值为maxValue,过滤掉持续时间过长的超限结果,,同时设置1倍的rsmax值为minValue,过滤掉结果序列中持续时间小于最大采样间隔rsmax的超限结果,得到过滤后的变量计算结果序列paraCal=[(time1,value1),(time2,value2),…,(timed,valued)]T。
如图2所示,本发明的应用案例共分为三个主要步骤:
该方法有三项输入,设置计算变量paraCalStr=“(TM100[TMD001%8==1])/1000”,是为了计算航天器的某一器部件在特定工作模式下的转速;同时需要设置计算的起止时间startTime和endTime的值,本例中设置为一个月的时长。
1)遥测参数名称的提取与数据准备。从paraCalStr中按照“[a-zA-Z]+\w{2,}”的正则规则能够匹配出“TMD001”和“TM100”两个字符串,并确认其为航天器已下传遥测参数的名称后,将其加入paraSet中。然后按照设置的起止时间准备这两个遥测参数的遥测数据序列,不引入新的冗余点按照时标序进行合并,得到合并后遥测数据序列paraMerge。
2)填充paraMerge中的空值,是通过空值项的前一个时标项的非空值进行填充,然后对于paraMerge中的每一行数据按照paraCalStr中描述的“(TM100[TMD001%8==1])/1000”运算规则进行计算,并将paraMerge中所有行的变量计算结果按照时标序得到结果序列paraRe,在本算例中不存在计算空值项,所以paraReN与paraRe相同。
3)计算遥测参数“TMD001”的采用间隔为64秒,遥测参数“TM100”的采样间隔为4秒,得到最大采样间隔rsmax=64。所以如果遥测参数“TMD001”在采样间隔内发生变化但状态尚未下传,就会导致其间按照paraCalStr规则计算的结果变量值并不准确。通过设置maxValue=1和minValue=-1对计算的变量序列进行过滤,这两个值可根据用户需要进行反复调整,对于结果变量序列中删除超过上下限值且持续时间小于rsmax的变量结果值,得到最后计算的结果变量序列paraCal。
综上所述,本发明提供了一种包含多个航天器遥测参数的变量序列计算方法。解决了现有航天器分析中计算包含多个遥测参数的衍生变量或复合变量序列时,由于多个遥测参数之间起止时间和采样间隔的差异造成的计算结果不准确的问题。
Claims (5)
1.一种包含多个航天器遥测参数的变量序列计算方法,其特征在于包括如下步骤:
步骤1.1,提取所有的遥测参数代号名称,组成集合paraSet={para1,para2,…,paran},n是遥测参数代号名称的数量;
步骤1.2,在paraSet中的每个遥测参数parai,1≤i≤n,按照序列计算的起止时间startTime和endTime准备遥测参数原始值序列parai=[(timei1,valuei1),(timei2,valuei2),…,(timeim,valueim)]T,其中timei1>=startTime,timeim<=endTime;
步骤1.3,将所有遥测参数原始值序列合并,时标为依次从所有遥测参数时标中取最小值,直止所有时标均取完,timej为从所有参数时标中获得的当前最小时标,valuej1为遥测参数序列para1中与时标timej对应的参数值,valueji为遥测参数序列parai中与时标timej对应的参数值;如果para1中不含有时标timej则设置valuej1为NULL空值;得到paraMerge=[(time1,value11,value12,…,value1n),…,(timec,valuec1,valuec2,…,valuecn)]T,c为合并后序列长度;
步骤2.1,依次对paraMerge中的每一行数据进行填充,如果valueij为NULL空值,则valueij设置为valueij-1的值;
步骤2.2,对paraMerge中的每一行数据(timei,valuei1,valuei2,…,valuein)中的遥测参数值,按照paraCalStr中描述的运算符进行计算求值,得到计算结果序列paraRe=[(time1,value1),(time2,value2),…,(timec,valuec)]T;
步骤2.3,删除paraRe序列中含有空值的项,得到paraReN=[(time1,value1),(time2,value2),…,(timecn,valuecn)]T,cn为去掉空值后的序列长度;
步骤3.1,计算paraSet中每个参数的采样间隔rsi,取所有遥测参数采样间隔中的最大值为rsmax;
步骤3.2,设置结果序列的过滤上下限值为maxValue和minValue,过滤掉持续时间超过maxValue的超限结果,过滤掉结果序列中持续时间小于minValue的超限结果,得到过滤后的变量计算结果序列paraCal=[(time1,value1),(time2,value2),…,(timed,valued)]T。
2.根据权利要求1所述的包含多个航天器遥测参数的变量序列计算方法,其特征在于:所述的步骤1.1中,在输入信息paraCalStr中按照“[a-zA-Z]+\w{2,}”的正则表达式规则提取出所有的匹配字符串,每个匹配字符串如果在卫星已下传的遥测参数列表中,则将该匹配字符串加入遥测参数集合paraSet中,paraSet={para1,para2,…,paran}。
3.根据权利要求1所述的包含多个航天器遥测参数的变量序列计算方法,其特征在于:所述的步骤2.2中,对paraMerge中的一行数据(timei,valuei1,valuei2,…,valuein)中的遥测参数值,按照paraCalStr中描述的运算符进行计算求值,paraCalStr包含运算符+、-、*、/、%、==、>、<、>=、<=、(、)、[、],其中关系运算符==、>、<、>=、<=的结果为True或False,如果关系运算结果需要继续参与+、-、*、/、%的运算,则True转换为1值,False转换为0值;其中time为遥测参数数据的时标,value为遥测参数数据的值。
4.根据权利要求1所述的包含多个航天器遥测参数的变量序列计算方法,其特征在于:所述的步骤3.1中,对于遥测参数序列parai=[(timei1,valuei1),(timei2,valuei2),…,(timeim,valueim)]T中,将timeij-timeij-1,其中2≤j≤im,得到subArrayi=[sub1,sub2,…,subim-1],subArrayi中出现次数最多的值为参数parai的采样间隔rsi,取所有遥测参数采样间隔中的最大值为rsmax。
5.根据权利要求1所述的包含多个航天器遥测参数的变量序列计算方法,其特征在于:所述的步骤3.2中,设置100倍的rsmax值为maxValue,设置1倍的rsmax值为minValue。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911103540.1A CN111125632B (zh) | 2019-11-13 | 2019-11-13 | 一种包含多个航天器遥测参数的变量序列计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911103540.1A CN111125632B (zh) | 2019-11-13 | 2019-11-13 | 一种包含多个航天器遥测参数的变量序列计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111125632A CN111125632A (zh) | 2020-05-08 |
CN111125632B true CN111125632B (zh) | 2023-03-24 |
Family
ID=70495243
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911103540.1A Active CN111125632B (zh) | 2019-11-13 | 2019-11-13 | 一种包含多个航天器遥测参数的变量序列计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111125632B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010271997A (ja) * | 2009-05-22 | 2010-12-02 | Yamatake Corp | 標準時系列データ算出方法、異常検出方法、標準時系列データ算出装置、異常検出装置、標準時系列データ算出プログラム、および異常検出プログラム |
EP2410438A1 (en) * | 2010-07-20 | 2012-01-25 | European Space Agency | Method and telemetric device for resampling time series data |
CN102332011A (zh) * | 2011-09-09 | 2012-01-25 | 北京空间飞行器总体设计部 | 一种在轨航天器有效数据选取方法 |
WO2013010569A1 (en) * | 2011-07-15 | 2013-01-24 | European Space Agency | Method and apparatus for monitoring an operational state of a system on the basis of telemetry data |
CN107192411A (zh) * | 2017-05-15 | 2017-09-22 | 中国西安卫星测控中心 | 一种航天器多遥测参数分析窗口划分方法 |
CN107525686A (zh) * | 2017-08-21 | 2017-12-29 | 中国人民解放军63789部队 | 一种航天器多遥测参数分析窗口划分方法 |
-
2019
- 2019-11-13 CN CN201911103540.1A patent/CN111125632B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010271997A (ja) * | 2009-05-22 | 2010-12-02 | Yamatake Corp | 標準時系列データ算出方法、異常検出方法、標準時系列データ算出装置、異常検出装置、標準時系列データ算出プログラム、および異常検出プログラム |
EP2410438A1 (en) * | 2010-07-20 | 2012-01-25 | European Space Agency | Method and telemetric device for resampling time series data |
WO2013010569A1 (en) * | 2011-07-15 | 2013-01-24 | European Space Agency | Method and apparatus for monitoring an operational state of a system on the basis of telemetry data |
CN102332011A (zh) * | 2011-09-09 | 2012-01-25 | 北京空间飞行器总体设计部 | 一种在轨航天器有效数据选取方法 |
CN107192411A (zh) * | 2017-05-15 | 2017-09-22 | 中国西安卫星测控中心 | 一种航天器多遥测参数分析窗口划分方法 |
CN107525686A (zh) * | 2017-08-21 | 2017-12-29 | 中国人民解放军63789部队 | 一种航天器多遥测参数分析窗口划分方法 |
Non-Patent Citations (3)
Title |
---|
一种基于时序形态的航天器动态模式提取方法;刘帆等;《飞行器测控学报》;20161231(第03期);全文 * |
基于多分布特征的航天器遥测动态加权异常检测算法;杜莹等;《兵器装备工程学报》;20180725(第07期);全文 * |
基于时间序列的航天器遥测数据预测算法;闫谦时等;《计算机测量与控制》;20170525(第05期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111125632A (zh) | 2020-05-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110674604A (zh) | 基于多维时序帧卷积lstm的变压器dga数据预测方法 | |
CN107591800B (zh) | 基于场景分析的含分布式电源配电网运行状态预测方法 | |
CN103646086B (zh) | 一种垃圾文件的清理方法和装置 | |
CN106951576B (zh) | 一种仿真试验评估系统及评估方法 | |
CN107888397A (zh) | 确定故障类型的方法和装置 | |
Banks et al. | An application of hierarchical Bayesian modeling to better constrain the chronologies of Upper Paleolithic archaeological cultures in France between ca. 32,000–21,000 calibrated years before present | |
CN105573329A (zh) | 基于决策树的姿轨控数据分析方法 | |
CN103793501A (zh) | 基于社交网络的主题社团发现方法 | |
CN109767269B (zh) | 一种游戏数据的处理方法和装置 | |
CN108089967A (zh) | 一种爬取安卓手机App数据的方法 | |
CN109033027B (zh) | 一种高速阵风导致风电功率下爬坡事件的预测方法 | |
CN109710854A (zh) | 社交应用中推荐用户的方法和装置 | |
CN111125632B (zh) | 一种包含多个航天器遥测参数的变量序列计算方法 | |
CN111738521A (zh) | 非侵入式电力负荷监测序列生成方法、系统、设备及介质 | |
JP5711677B2 (ja) | 監視情報分析装置及び方法 | |
CN107103065B (zh) | 基于用户行为的信息推荐方法及装置 | |
CN110569237A (zh) | 实现实时数据清洗处理的系统及其方法 | |
CN103364200B (zh) | 一种燃气轮机启动过程状态评估方法 | |
CN103984723A (zh) | 一种针对增量数据对频繁项进行更新数据挖掘方法 | |
CN108717445A (zh) | 一种基于历史数据的在线社交平台用户兴趣推荐方法 | |
CN117349809A (zh) | 一种计算机系统及其用户的身份识别方法 | |
CN117236529A (zh) | 基于大数据的大型活动人流量预测方法 | |
CN107872352B (zh) | 一种网管系统的性能测试方法、装置及系统 | |
CN107562695B (zh) | 一种配电变压器的负载数据处理方法及装置 | |
JP2007114896A (ja) | 時系列データの保存及び抽出方法並びにプログラム |
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 |