CN111141382B - 一种基于振动的多维度风机叶片自诊断装置及方法 - Google Patents
一种基于振动的多维度风机叶片自诊断装置及方法 Download PDFInfo
- Publication number
- CN111141382B CN111141382B CN202010040168.0A CN202010040168A CN111141382B CN 111141382 B CN111141382 B CN 111141382B CN 202010040168 A CN202010040168 A CN 202010040168A CN 111141382 B CN111141382 B CN 111141382B
- Authority
- CN
- China
- Prior art keywords
- vibration
- blade
- value
- server
- vibration signals
- 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
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Control Of Positive-Displacement Air Blowers (AREA)
Abstract
本发明涉及一种基于振动的多维度风机叶片自诊断装置及方法,该装置包括:第一叶片振动传感器、第二叶片振动传感器和第三叶片振动传感器,分别用于检测三支风机叶片的振动信号;叶片振动采集器,用于同步采集所述第一叶片振动传感器、第二叶片振动传感器和第三叶片振动传感器检测的振动信号并通过通讯装置发送至服务器;所述服务器,用于对接收到的振动信号进行存储和分析。本发明针对采集到的风机叶片振动数据,分析叶片的受力情况,从而研究叶片的故障类型,指导现场工程人员有计划的对风机叶片进行维护,供电及信号传输简单,易于实施,且成本低。
Description
技术领域
本发明涉及设备监测领域,具体涉及一种基于振动的多维度风机叶片自诊断装置及方法。
背景技术
目前三叶片风机是主流机型。叶片作为风电机组关键零部件之一,其状态的好坏直接影响着风电机组的发电效率。叶片工作在高空、全天候条件下,经常受到空气介质、大气射线、沙尘、雷电、暴雨、冰雪的侵袭,容易造成叶片损伤。传统的依靠人工巡检的方式发现叶片问题,不仅费时费力,而且效率低下,往往不能及时发现叶片潜在的问题和缺陷异常,这将对风电机组运行维护工作产生巨大影响,甚至导致安全事故。
为了能够实时监测风电叶片的运行状态,业内人士进行了多方探索并提出了一系列解决方案。有通过视频监控系统实现叶片监测的,也有提出基于光纤光栅技术在线监测方案。这些方案都存在着供电困难、信号传输困难、实施困难、价格昂贵等缺陷。
发明内容
针对上述技术问题,本发明提供一种基于振动的多维度风机叶片自诊断装置及方法。
本发明解决上述技术问题的技术方案如下:一种基于振动的多维度风机叶片自诊断装置,包括:
第一叶片振动传感器、第二叶片振动传感器和第三叶片振动传感器,分别用于检测三支风机叶片的振动信号;
叶片振动采集器,用于同步采集所述第一叶片振动传感器、第二叶片振动传感器和第三叶片振动传感器检测的振动信号并通过通讯装置发送至服务器;
所述服务器,用于对接收到的振动信号进行存储和分析。
本发明的有益效果是:针对采集到的风机叶片振动数据,分析叶片的受力情况,从而研究叶片的故障类型,指导现场工程人员有计划的对风机叶片进行维护,供电及信号传输简单,易于实施,且成本低。
在上述技术方案的基础上,本发明还可以做如下改进。
进一步,所述通讯装置具体包括:
无线通信器,用于将所述叶片振动采集器采集的振动信号发送至环网交换机;
所述环网交换机;用于将接收到的所述无线通信器发送的振动信号转发至服务器。
进一步,所述第一叶片振动传感器、第二叶片振动传感器和第三叶片振动传感器均安装在距离叶片叶根相同比例的叶片总长的位置,所述叶片数据采集装置安装在风机的轮毂处并随叶轮转动,所述无线通信器安装在风机的机舱内,所述环网交换机安装在塔基,所述服务器设置在升压站。
进一步,在将采集的振动信号通过通讯装置发送至服务器之前,所述叶片振动采集器,还用于:
同步计算三支叶片的振动信号的特征值;
根据所述特征值确定风机叶片的状态为正常或预警;
当状态为正常时,将振动信号的特征值发送到服务器,当状态为预警时,将振动信号的特征值和原始波形数据发送到服务器。
进一步,所述叶片振动采集器根据所述特征值确定风机叶片的状态为正常或预警的过程具体包括:
在第一个维度的比较计算中,对同一叶片不同时段,间隔预设时间的振动信号的特征值进行比较,最大值与最小值的差值除以占最小值的结果,大于预设值输出为是,小于预设值则输出为否;
在第二个维度的比较计算中,对三组叶片同时段,振动信号的特征值进行比较,最大值与最小值的差值除以占最小值的结果,大于预设值输出为是,小于预设值则输出为否;
在第三个维度的比较计算中,通过调整振动信号的相位,使得三组振动信号来自同一位置,对调整后的振动信号的特征值进行比较,最大值与最小值的差值除以占最小值的结果,大于预设值输出为是,小于预设值则输出为否;
统计以上三个维度的比较计算结果,若输出为是的数量为1个,则判断风机叶片的状态为正常,若输出为是的数量为2个,则判断风机叶片的状态为预警。
进一步,所述特征值包括峰值、峰峰值、有效值、绝对均值、峭度值、歪度、裕度、波形因子中的至少一种。
为实现上述发明目的,本发明还提供一种基于上述装置的基于振动的多维度风机叶片自诊断方法,包括:
第一叶片振动传感器、第二叶片振动传感器和第三叶片振动传感器分别检测三支风机叶片的振动信号;
叶片振动采集器同步采集所述第一叶片振动传感器、第二叶片振动传感器和第三叶片振动传感器检测的振动信号并通过通讯装置发送至服务器;
所述服务器对接收到的振动信号进行存储和分析。
进一步,通过通讯装置将所述叶片振动采集器采集的振动信号发送至服务器的过程具体包括:
无线通信器将所述叶片振动采集器采集的振动信号发送至环网交换机;
所述环网交换机将接收到的所述无线通信器发送的振动信号转发至服务器。
进一步,还包括:在将采集的振动信号通过通讯装置发送至服务器之前,所述叶片振动采集器同步计算三支叶片的振动信号的特征值;根据所述特征值确定风机叶片的状态为正常或预警;当状态为正常时,将振动信号的特征值通过发送到服务器,当状态为预警时,将振动信号的特征值和原始波形数据发送到服务器。
进一步,所述叶片振动采集器根据所述特征值确定风机叶片的状态为正常或预警的过程具体包括:
在第一个维度的比较计算中,对同一叶片不同时段,间隔预设时间的振动信号的特征值进行比较,最大值与最小值的差值除以占最小值的结果,大于预设值输出为是,小于预设值则输出为否;
在第二个维度的比较计算中,对三组叶片同时段,振动信号的特征值进行比较,最大值与最小值的差值除以占最小值的结果,大于预设值输出为是,小于预设值则输出为否;
在第三个维度的比较计算中,通过调整振动信号的相位,使得三组振动信号来自同一位置,对调整后的振动信号的特征值进行比较,最大值与最小值的差值除以占最小值的结果,大于预设值输出为是,小于预设值则输出为否;
统计以上三个维度的比较计算结果,若输出为是的数量为1个,则判断风机叶片的状态为正常,若输出为是的数量为2个,则判断风机叶片的状态为预警。
附图说明
图1为本发明实施例提供的一种基于振动的多维度风机叶片自诊断装置的结构框图;
图2为本发明实施例提供的叶片振动采集器通过数据比较来进行预警或正常判断的具体过程的流程图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
本发明是针对三叶片风机,基于叶片振动监测来实现对叶片的故障诊断,提出了一种基于振动的多维度风机叶片自诊断装置及方法。该装置的构成如图1所示,叶片振动采集器同步采集叶片振动传感器1、叶片振动传感器2和叶片振动传感器3的振动信号:并将振动信号通过无线通信器进入环网交换机,最终在服务器部署数据分析软件,分析和存储振动数据。其中,三个叶片振动传感器均安装在距离叶根1/3叶片总长的位置,叶片数据采集装置安装在轮毂,随叶轮转动。轮毂与机舱之间采用无线通信,数据通过机组自有网络进入光纤环网,上传至升压站服务器。
可选地,在该实施例中,在叶片振动采集器上同步计算三支叶片的振动数据特征值情况,比较三组数据的差异。对于正常数据,只上传特征值数据到升压站服务器;对于预警数据,上传特征值的同时,分时段上传原始波形数据。在叶片振动采集器端诊断叶片故障,减轻环网带宽和大数据无线传输干扰造成的诊断误判,降低环网带宽压力和数据存储压力。
通过数据比较来进行预警或正常判断的具体过程的流程图如图2所示,具体说明如下:
叶片数据1、叶片数据2、叶片数据3:是叶片振动采集器同步采集的三支叶片的振动数据。
特征值计算:是预定的峰值、峰峰值、有效值、绝对均值、峭度值、歪度、裕度、波形因子计算公式。
特征值数组1、特征值数组2、特征值数组3:是经过计算后的各叶片特征值数据,带有时间戳。
比较计算A:同一叶片不同时段,间隔3h的叶片振动特征值数据比较,最大值与最小值的差值除以占最小值的结果,大于25%输出为是,小于25%则输出为否。
比较计算B:三组叶片同时段,叶片振动特征值数据比较,最大值与最小值的差值除以占最小值的结果,大于25%输出为是,小于25%则输出为否。
比较计算C:通过调整数据相位,使得三组叶片数据来自同一位置,叶片振动特征值数据比较,最大值与最小值的差值除以占最小值的结果,大于25%输出为是,小于25%则输出为否。
统计预警:统计不同维度的比较计算结果,1个是,判断正常;2个是,判断预警;3个是判断报警。
输出:正常,只上传特征值;预警,上传特征值和波形数据,
上述过程中涉及的特征值计算公式如下:
峰值:xp
峰峰值:xp-p
式中,T为时间周期,x(t)为振动信号。
本发明通过上述的三叶片风机叶片采集器特征值筛选预警机制和多维度特征值比较方法,能够有效的从风机叶片振动数据中判定风机叶片故障,并减少大数据无线通信的不稳定性因素干扰。
读者应理解,在本说明书的描述中,参考术语“一个实施例″、“一些实施例″、“示例″、“具体示例″、或“一些示例″等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述系统实施例中的模块和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (6)
1.一种基于振动的多维度风机叶片自诊断装置,其特征在于,包括:
第一叶片振动传感器、第二叶片振动传感器和第三叶片振动传感器,分别用于检测三支风机叶片的振动信号;
叶片振动采集器,用于同步采集所述第一叶片振动传感器、第二叶片振动传感器和第三叶片振动传感器检测的振动信号并通过通讯装置发送至服务器;
所述服务器,用于对接收到的振动信号进行存储和分析;
在将采集的振动信号通过通讯装置发送至服务器之前,所述叶片振动采集器,还用于:
同步计算三支叶片的振动信号的特征值;
根据所述特征值确定风机叶片的状态为正常或预警;
当状态为正常时,将振动信号的特征值发送到服务器,当状态为预警时,将振动信号的特征值和原始波形数据发送到服务器;
所述叶片振动采集器根据所述特征值确定风机叶片的状态为正常或预警的过程具体包括:
在第一个维度的比较计算中,对同一叶片不同时段,间隔预设时间的振动信号的特征值进行比较,最大值与最小值的差值除以占最小值的结果,大于预设值输出为是,小于预设值则输出为否;
在第二个维度的比较计算中,对三组叶片同时段,振动信号的特征值进行比较,最大值与最小值的差值除以占最小值的结果,大于预设值输出为是,小于预设值则输出为否;
在第三个维度的比较计算中,通过调整振动信号的相位,使得三组振动信号来自同一位置,对调整后的振动信号的特征值进行比较,最大值与最小值的差值除以占最小值的结果,大于预设值输出为是,小于预设值则输出为否;
统计以上三个维度的比较计算结果,若输出为是的数量为1个,则判断风机叶片的状态为正常,若输出为是的数量为2个,则判断风机叶片的状态为预警。
2.根据权利要求1所述的一种基于振动的多维度风机叶片自诊断装置,其特征在于,所述通讯装置具体包括:
无线通信器,用于将所述叶片振动采集器采集的振动信号发送至环网交换机;
所述环网交换机;用于将接收到的所述无线通信器发送的振动信号转发至服务器。
3.根据权利要求2所述的一种基于振动的多维度风机叶片自诊断装置,其特征在于,所述第一叶片振动传感器、第二叶片振动传感器和第三叶片振动传感器均安装在距离叶片叶根相同比例的叶片总长的位置,所述叶片振动采集器安装在风机的轮毂处并随叶轮转动,所述无线通信器安装在风机的机舱内,所述环网交换机安装在塔基,所述服务器设置在升压站。
4.根据权利要求1所述的一种基于振动的多维度风机叶片自诊断装置,其特征在于,所述特征值包括峰值、峰峰值、有效值、绝对均值、峭度值、歪度、裕度、波形因子中的至少一种。
5.一种基于权利要求1至4任一项所述装置的基于振动的多维度风机叶片自诊断方法,其特征在于,包括:
第一叶片振动传感器、第二叶片振动传感器和第三叶片振动传感器分别检测三支风机叶片的振动信号;
叶片振动采集器同步采集所述第一叶片振动传感器、第二叶片振动传感器和第三叶片振动传感器检测的振动信号并通过通讯装置发送至服务器;
所述服务器对接收到的振动信号进行存储和分析;
还包括:在将采集的振动信号通过通讯装置发送至服务器之前,所述叶片振动采集器同步计算三支叶片的振动信号的特征值;根据所述特征值确定风机叶片的状态为正常或预警;当状态为正常时,将振动信号的特征值通过发送到服务器,当状态为预警时,将振动信号的特征值和原始波形数据发送到服务器;
所述叶片振动采集器根据所述特征值确定风机叶片的状态为正常或预警的过程具体包括:
在第一个维度的比较计算中,对同一叶片不同时段,间隔预设时间的振动信号的特征值进行比较,最大值与最小值的差值除以占最小值的结果,大于预设值输出为是,小于预设值则输出为否;
在第二个维度的比较计算中,对三组叶片同时段,振动信号的特征值进行比较,最大值与最小值的差值除以占最小值的结果,大于预设值输出为是,小于预设值则输出为否;
在第三个维度的比较计算中,通过调整振动信号的相位,使得三组振动信号来自同一位置,对调整后的振动信号的特征值进行比较,最大值与最小值的差值除以占最小值的结果,大于预设值输出为是,小于预设值则输出为否;
统计以上三个维度的比较计算结果,若输出为是的数量为1个,则判断风机叶片的状态为正常,若输出为是的数量为2个,则判断风机叶片的状态为预警。
6.根据权利要求5所述的一种基于振动的多维度风机叶片自诊断方法,其特征在于,通过通讯装置将所述叶片振动采集器采集的振动信号发送至服务器的过程具体包括:
无线通信器将所述叶片振动采集器采集的振动信号发送至环网交换机;
所述环网交换机将接收到的所述无线通信器发送的振动信号转发至服务器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010040168.0A CN111141382B (zh) | 2020-01-15 | 2020-01-15 | 一种基于振动的多维度风机叶片自诊断装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010040168.0A CN111141382B (zh) | 2020-01-15 | 2020-01-15 | 一种基于振动的多维度风机叶片自诊断装置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111141382A CN111141382A (zh) | 2020-05-12 |
CN111141382B true CN111141382B (zh) | 2021-08-31 |
Family
ID=70524991
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010040168.0A Active CN111141382B (zh) | 2020-01-15 | 2020-01-15 | 一种基于振动的多维度风机叶片自诊断装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111141382B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112796957B (zh) * | 2021-03-26 | 2022-08-26 | 厦门理工学院 | 一种风机叶片的检测方法和装置以及设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101592590A (zh) * | 2008-05-26 | 2009-12-02 | 唐德尧 | 一种转动叶片故障间接诊断技术 |
CN101858778A (zh) * | 2010-05-28 | 2010-10-13 | 浙江大学 | 基于振动监测的风力发电机组故障自动诊断方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101135601A (zh) * | 2007-10-18 | 2008-03-05 | 北京英华达电力电子工程科技有限公司 | 一种旋转机械振动故障诊断装置及方法 |
JP5574363B2 (ja) * | 2010-03-05 | 2014-08-20 | Ntn株式会社 | 軸受の異常検出装置および異常検出方法 |
CN203519144U (zh) * | 2013-08-12 | 2014-04-02 | 国电联合动力技术有限公司 | 一种风力发电机叶片与塔筒状态监测系统 |
CN103616187B (zh) * | 2013-10-15 | 2016-06-01 | 北京化工大学 | 一种基于多维度信息融合的故障诊断方法 |
CN107356384B (zh) * | 2017-07-26 | 2019-07-02 | 安徽容知日新科技股份有限公司 | 一种监测风力发电设备中叶片的状态的方法、计算设备和系统 |
CN107829885B (zh) * | 2017-10-25 | 2020-04-07 | 西安锐益达风电技术有限公司 | 一种考虑环境参数修正的风力发电机叶片振动监测及系统 |
CN108457797B (zh) * | 2018-02-01 | 2020-12-11 | 上海电气风电集团股份有限公司 | 一种抑制风力发电机组塔架侧向振动的控制方法 |
CN110261080B (zh) * | 2019-06-06 | 2020-12-15 | 湃方科技(北京)有限责任公司 | 基于多模态数据的异构旋转型机械异常检测方法及系统 |
-
2020
- 2020-01-15 CN CN202010040168.0A patent/CN111141382B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101592590A (zh) * | 2008-05-26 | 2009-12-02 | 唐德尧 | 一种转动叶片故障间接诊断技术 |
CN101858778A (zh) * | 2010-05-28 | 2010-10-13 | 浙江大学 | 基于振动监测的风力发电机组故障自动诊断方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111141382A (zh) | 2020-05-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7895018B2 (en) | Event monitoring via combination of signals | |
CN110985309B (zh) | 偏航对风异常检测方法、装置、设备和存储介质 | |
CN110067708B (zh) | 一种使用功率曲线识别偏航对风不正的方法 | |
CN103912448B (zh) | 一种区域风电场机组功率特性监测方法 | |
CN106815771B (zh) | 一种风电场载荷的长期评估方法 | |
CN104807644A (zh) | 一种风电机组变桨系统的故障预警方法及系统 | |
CN104019000A (zh) | 风力发电机组的载荷谱测定与前瞻性维护系统 | |
CN110094310B (zh) | 一种识别风力发电机偏航对风不正的方法 | |
CN111125895B (zh) | 一种风力发电机整机服役功率特性在线评估方法 | |
CN104101652A (zh) | 一种基于音频信号的风电叶片损伤监测方法及监测系统 | |
CN111946559A (zh) | 一种风机基础和塔架结构检测方法 | |
CN112267972A (zh) | 一种风电机组功率曲线异常智能判定方法 | |
CN111141382B (zh) | 一种基于振动的多维度风机叶片自诊断装置及方法 | |
CN111927717B (zh) | 一种风机机舱传动链噪声在线监测系统及方法 | |
CN103675357B (zh) | 风速仪故障预警的方法和系统 | |
CN114061743A (zh) | 风力发电机组的振动监测方法、装置、设备及介质 | |
CN117728587A (zh) | 一种新能源发电设备运行数据的实时监控系统及方法 | |
WO2016042652A1 (ja) | 風力発電設備および風力発電設備の損傷度診断装置 | |
CN107795440B (zh) | 叶片结冰的报警方法及装置 | |
CN112524077A (zh) | 检测风机故障的方法及装置、系统 | |
CN116163894A (zh) | 一种风电场风机叶片状态检测方法、系统及存储介质 | |
CN113218653B (zh) | 一种基于消除低频扰动的海上风电齿轮箱监测方法及装置 | |
CN117345546A (zh) | 振动监测方法、设备和系统、介质以及风力发电机组 | |
CN111878326B (zh) | 风机的结冰故障检测方法、系统、电子设备和介质 | |
CN113504302A (zh) | 风机叶片状态监测的方法、系统、电子设备及存储介质 |
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 |