CN111476429B - 瓦斯监控数据累积瞬变特征预测煤与瓦斯突出的方法 - Google Patents
瓦斯监控数据累积瞬变特征预测煤与瓦斯突出的方法 Download PDFInfo
- Publication number
- CN111476429B CN111476429B CN202010301629.5A CN202010301629A CN111476429B CN 111476429 B CN111476429 B CN 111476429B CN 202010301629 A CN202010301629 A CN 202010301629A CN 111476429 B CN111476429 B CN 111476429B
- Authority
- CN
- China
- Prior art keywords
- gas
- monitoring data
- gas monitoring
- shift
- calculating
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 52
- 239000003245 coal Substances 0.000 title claims abstract description 18
- 238000000034 method Methods 0.000 title claims abstract description 17
- 230000001052 transient effect Effects 0.000 title claims abstract description 12
- 238000009825 accumulation Methods 0.000 title abstract description 6
- 101100129500 Caenorhabditis elegans max-2 gene Proteins 0.000 claims description 19
- 101100083446 Danio rerio plekhh1 gene Proteins 0.000 claims description 19
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 230000001186 cumulative effect Effects 0.000 abstract 1
- 230000005856 abnormality Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000007547 defect Effects 0.000 description 3
- 238000003795 desorption Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Animal Husbandry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Educational Administration (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Emergency Alarm Devices (AREA)
Abstract
本发明涉及一种瓦斯监控数据累积瞬变特征预测煤与瓦斯突出的方法,属于煤矿安全技术领域。该方法为:将工作面瓦斯监控数据按照井下作业时间分为N个班次,获取瓦斯监控分钟均值;计算第i班次瓦斯监控数据众数Xi或中位数Yi,计算第i班次时间内瓦斯监控数据瞬时变化量yi,j;获取班次瓦斯监控数据瞬时变化量yi,j绝对值;计算班次瓦斯监控数据瞬时变化累积量;获取班次瓦斯监控数据第1‑5小瞬时变化量;计算第i班次瓦斯监控数据瞬变累积特征指标Pi;计算第i班次瓦斯监控数据相对瞬时累积变化特征指标PHi;当Pi、PHi较大或增大时,工作面存在瓦斯危险。本发明对利用监控数据预警工作面瓦斯灾害具有十分重要的意义。
Description
技术领域
本发明属于煤矿安全技术领域,涉及瓦斯监控数据累积瞬变特征预测煤与瓦斯突出的方法。
背景技术
大多数突出事故前瓦斯涌出呈现一定的异常现象,但是异常现象的变化往往受到井下生产作业工序、应力活动状态、煤质变化情况的影响,导致瓦斯涌出异常的判识标准存在一定的差异。近年来,以瓦斯涌出量特征指标A、瓦斯解吸特征指标B为首的瓦斯涌出异常分析方法在工业应用上取得了一定的成功,其中A指标的应用效果已经明显超越其他指标,但是B指标在分析瓦斯涌出解吸特征变化上,存在一定的不足,这主要包括计算方法的缺陷以及报警的超前性。本专利方法是对瓦斯解吸特征指标B的有效补充,可以大幅提高煤与瓦斯突出预测预报的准确性与超前性。
发明内容
有鉴于此,本发明的目的在于提供一种瓦斯监控数据累积瞬变特征预测煤与瓦斯突出的方法。
为达到上述目的,本发明提供如下技术方案:
瓦斯监控数据累积瞬变特征预测煤与瓦斯突出的方法,该方法包括如下步骤:
1)将工作面瓦斯监控数据按照井下作业时间分为N个班次,获取瓦斯监控分钟均值,第i班次第j分钟表示为xi,j;
2)计算第i班次瓦斯监控数据众数Xi或中位数Yi;
3)计算第i班次时间内瓦斯监控数据瞬时变化量yi,j;
yi,j=xi,j-xi,j-1 (1)
4)获取班次瓦斯监控数据瞬时变化量yi,j绝对值|yi,j|;
5)计算第i班次瓦斯监控数据瞬时变化累积量Ti;
6)获取班次瓦斯监控数据第1-5大瞬时变化量yi,max1、yi,max2、……、yi,max5;
yi,max1=max{yi,1,yi,1,…,yi,j,…,yi,480} (3)
yi,max2=max{{yi,1,yi,1,…,yi,j,…,yi,480}-{yi,max1}} (4)
yi,max3=max{{yi,1,yi,1,…,yi,j,…,yi,480}-{yi,max1,yi,max2}} (5)
yi,max4=max{{yi,1,yi,1,…,yi,j,…,yi,480}-{yi,max1,yi,max2,yi,max3}} (6)
yi,max5=max{{yi,1,yi,1,…,yi,j,…,yi,480}-{yi,max1,yi,max2,yi,max3,yi,max4}} (7)
7)获取班次瓦斯监控数据第1-5小瞬时变化量yi,min1、yi,min2、……、yi,min5;
yi,min1=min{yi,1,yi,1,…,yi,j,…,yi,480} (8)
yi,min2=min{{yi,1,yi,1,…,yi,j,…,yi,480}-{yi,min1}} (9)
yi,min3=min{{yi,1,yi,1,…,yi,j,…,yi,480}-{yi,min1,yi,min2}} (10)
yi,min4=min{{yi,1,yi,1,…,yi,j,…,yi,480}-{yi,min1,yi,min2,yi,min3}} (11)
yi,min5=min{{yi,1,yi,1,…,yi,j,…,yi,480}-{yi,min1,yi,min2,yi,min3,yi,min4}} (12)
8)计算第i班次瓦斯监控数据瞬变特征指标Pi;
Pi=Ti-yi,max1-yi,max2+yi,min1+yi,min2 (13)
9)计算第i班次瓦斯监控数据相对瞬时变化特征指标PHi;
10)当Pi、PHi较大或增大时,工作面存在瓦斯涌出异常、瓦斯增大或煤与瓦斯突出危险。
可选的,所述班次时长为360或480分钟。
本发明的有益效果在于:本发明首次提出利用瓦斯监控数据的瞬时累积量特征实现对瓦斯涌出异常及突出危险性的分析与预测,对利用监控数据预警工作面瓦斯灾害具有十分重要的意义。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述,并且在某种程度上,基于对下文的考察研究对本领域技术人员而言将是显而易见的,或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作优选的详细描述,其中:
图1为工作面PHi预警效果图;
图2为工作面实际突出预测指标图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
其中,附图仅用于示例性说明,表示的仅是示意图,而非实物图,不能理解为对本发明的限制;为了更好地说明本发明的实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;对本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件;在本发明的描述中,需要理解的是,若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此附图中描述位置关系的用语仅用于示例性说明,不能理解为对本发明的限制,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。
请参阅图1~图2,为一种利用煤矿工作面落煤期间瓦斯监控数据在稳定风流条件下的瞬时变化累积量特点及趋势判断工作面瓦斯涌出异常或突出危险性的方法,主要包括如下步骤:将工作面瓦斯监控数据按照井下作业时间分为N个班次,每个班次时长360或480分钟,本发明采用480分种作为示例,获取瓦斯监控分钟均值(第i班次第j分钟xi,j);计算第i班次瓦斯监控数据众数Xi或中位数Yi,计算第i班次时间内瓦斯监控数据瞬时变化量yi,j;获取班次瓦斯监控数据瞬时变化量yi,j绝对值;计算班次瓦斯监控数据瞬时变化累积量;获取班次瓦斯监控数据第1-5大瞬时变化量yi,max1、yi,max2、……、yi,max5;获取班次瓦斯监控数据第1-5小瞬时变化量yi,min1、yi,min2、……、yi,min5;计算第i班次瓦斯监控数据瞬变特征指标Pi;计算第i班次瓦斯监控数据相对瞬时变化特征指标PHi;根据上述过程,当Pi、PHi较大或增大时,工作面存在瓦斯涌出异常、瓦斯增大或煤与瓦斯突出危险。本发明首次提出利用瓦斯监控数据的瞬时累积量特征实现对瓦斯涌出异常及突出危险性的分析与预测,对利用监控数据预警工作面瓦斯灾害具有十分重要的意义。
1.瓦斯监控数据瞬时变化特征判识瓦斯涌出异常方法,其特征在于包括如下步骤:
1)将工作面瓦斯监控数据按照井下作业时间分为N个班次,每个班次时长360或480分钟,本发明采用480分种作为示例,获取瓦斯监控分钟均值(第i班次第j分钟xi,j);
2)计算第i班次瓦斯监控数据众数Xi或中位数Yi;
3)计算第i班次时间内瓦斯监控数据瞬时变化量yi,j;
yi,j=xi,j-xi,j-1 (1)
4)获取班次瓦斯监控数据瞬时变化量yi,j绝对值|yi,j|;
5)计算第i班次瓦斯监控数据瞬时变化累积量Ti;
6)获取班次瓦斯监控数据第1-5大瞬时变化量yi,max1、yi,max2、……、yi,max5;
yi,max1=max{yi,1,yi,1,…,yi,j,…,yi,480} (3)
yi,max2=max{{yi,1,yi,1,…,yi,j,…,yi,480}-{yi,max1}} (4)
yi,max3=max{{yi,1,yi,1,…,yi,j,…,yi,480}-{yi,max1,yi,max2}} (5)
yi,max4=max{{yi,1,yi,1,…,yi,j,…,yi,480}-{yi,max1,yi,max2,yi,max3}} (6)
yi,max5=max{{yi,1,yi,1,…,yi,j,…,yi,480}-{yi,max1,yi,max2,yi,max3,yi,max4}} (7)
7)获取班次瓦斯监控数据第1-5小瞬时变化量yi,min1、yi,min2、……、yi,min5;
yi,min1=min{yi,1,yi,1,…,yi,j,…,yi,480} (8)
yi,min2=min{{yi,1,yi,1,…,yi,j,…,yi,480}-{yi,min1}} (9)
yi,min3=min{{yi,1,yi,1,…,yi,j,…,yi,480}-{yi,min1,yi,min2}} (10)
yi,min4=min{{yi,1,yi,1,…,yi,j,…,yi,480}-{yi,min1,yi,min2,yi,min3}} (11)
yi,min5=min{{yi,1,yi,1,…,yi,j,…,yi,480}-{yi,min1,yi,min2,yi,min3,yi,min4}} (12)
8)计算第i班次瓦斯监控数据瞬变特征指标Pi;
Pi=Ti-yi,max1-yi,max2+yi,min1+yi,min2 (13)
9)计算第i班次瓦斯监控数据相对瞬时变化特征指标PHi;
10)根据上述过程,当Pi、PHi较大或增大时,工作面存在瓦斯涌出异常、瓦斯增大或煤与瓦斯突出危险。
实施例:某矿井工作面为2019年11月5日0:00-2019年12月26日23:59的PHi指标预测煤与瓦斯突出危险效果图。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (1)
1.瓦斯监控数据累积瞬变特征预测煤与瓦斯突出的方法,其特征在于:该方法包括如下步骤:
1)将工作面瓦斯监控数据按照井下作业时间分为N个班次,获取瓦斯监控分钟均值,第i班次第j分钟表示为xi,j;
2)计算第i班次瓦斯监控数据众数Xi或中位数Yi;
3)计算第i班次时间内瓦斯监控数据瞬时变化量yi,j;
yi,j=xi,j-xi,j-1 (1)
4)获取班次瓦斯监控数据瞬时变化量yi,j绝对值|yi,j|;
5)计算第i班次瓦斯监控数据瞬时变化累积量Ti;
6)获取班次瓦斯监控数据第1-5大瞬时变化量yi,max1、yi,max2、……、yi,max5;
yi,max1=max{yi,1,yi,2,···,yi,j,···,yi,480} (3)
yi,max2=max{{yi,1,yi,2,···,yi,j,···,yi,480}-{yi,max1}} (4)
yi,max3=max{{yi,1,yi,2,···,yi,j,···,yi,480}-{yi,max1,yi,max2}} (5)
yi,max4=max{{yi,1,yi,2,···,yi,j,···,yi,480}-{yi,max1,yi,max2,yi,max3}} (6)
yi,max5=max{{yi,1,yi,2,···,yi,j,···,yi,480}-{yi,max1,yi,max2,yi,max3,yi,max4}} (7)
7)获取班次瓦斯监控数据第1-5小瞬时变化量yi,min1、yi,min2、……、yi,min5;
yi,min1=min{yi,1,yi,2,···,yi,j,···,yi,480} (8)
yi,min2=min{{yi,1,yi,2,···,yi,j,···,yi,480}-{yi,min1}} (9)
yi,min3=min{{yi,1,yi,2,···,yi,j,···,yi,480}-{yi,min1,yi,min2}} (10)
yi,min4=min{{yi,1,yi,2,···,yi,j,···,yi,480}-{yi,min1,yi,min2,yi,min3}} (11)
yi,min5=min{{yi,1,yi,2,···,yi,j,···,yi,480}-{yi,min1,yi,min2,yi,min3,yi,min4}} (12)
8)计算第i班次瓦斯监控数据瞬变特征指标Pi;
Pi=Ti-yi,max1-yi,max2+yi,min1+yi,min2 (13)
9)计算第i班次瓦斯监控数据相对瞬时变化特征指标PHi或者PHi’;
10)当Pi、PHi或者PHi’增大时,工作面存在瓦斯涌出异常、瓦斯增大或煤与瓦斯突出危险。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010301629.5A CN111476429B (zh) | 2020-04-16 | 2020-04-16 | 瓦斯监控数据累积瞬变特征预测煤与瓦斯突出的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010301629.5A CN111476429B (zh) | 2020-04-16 | 2020-04-16 | 瓦斯监控数据累积瞬变特征预测煤与瓦斯突出的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111476429A CN111476429A (zh) | 2020-07-31 |
CN111476429B true CN111476429B (zh) | 2022-07-08 |
Family
ID=71753733
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010301629.5A Active CN111476429B (zh) | 2020-04-16 | 2020-04-16 | 瓦斯监控数据累积瞬变特征预测煤与瓦斯突出的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111476429B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102944664A (zh) * | 2012-11-30 | 2013-02-27 | 天地(常州)自动化股份有限公司 | 测试煤体瓦斯解吸特性的方法 |
CN106295214A (zh) * | 2016-08-18 | 2017-01-04 | 西安科技大学 | 一种矿井瓦斯浓度预警方法 |
CN106872663A (zh) * | 2017-03-06 | 2017-06-20 | 河南理工大学 | 一种基于大数据平台的瓦斯突出预测预警方法 |
CN109711632A (zh) * | 2018-12-29 | 2019-05-03 | 辽宁工程技术大学 | 一种基于瓦斯涌出异常敏感指标的煤与瓦斯突出预测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7653499B2 (en) * | 2007-12-14 | 2010-01-26 | International Business Machines Corporation | Method and system for automated energy usage monitoring within a data center |
-
2020
- 2020-04-16 CN CN202010301629.5A patent/CN111476429B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102944664A (zh) * | 2012-11-30 | 2013-02-27 | 天地(常州)自动化股份有限公司 | 测试煤体瓦斯解吸特性的方法 |
CN106295214A (zh) * | 2016-08-18 | 2017-01-04 | 西安科技大学 | 一种矿井瓦斯浓度预警方法 |
CN106872663A (zh) * | 2017-03-06 | 2017-06-20 | 河南理工大学 | 一种基于大数据平台的瓦斯突出预测预警方法 |
CN109711632A (zh) * | 2018-12-29 | 2019-05-03 | 辽宁工程技术大学 | 一种基于瓦斯涌出异常敏感指标的煤与瓦斯突出预测方法 |
Non-Patent Citations (1)
Title |
---|
基于电磁辐射峰谷比值法的煤与瓦斯突出预警;陈亮 等;《中国安全生产科学技术》;20190628;第15卷(第6期);第94-98页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111476429A (zh) | 2020-07-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103997313B (zh) | 具有可调整加权因数的指数加权移动平均滤波器 | |
CN107153914B (zh) | 一种汽车运行风险的评价系统及方法 | |
JP5610695B2 (ja) | プラント監視用の方法、プログラム及び装置 | |
CN110293949B (zh) | 一种高速列车空气制动系统微小故障检测方法 | |
CN205573931U (zh) | 一种真空泵故障诊断处理系统及具有该系统的车辆 | |
US9636956B2 (en) | Wheel diagnostic monitoring | |
EP2325709B1 (en) | Anomalous data detection method | |
CN105303645A (zh) | 一种车载设备、行车监控系统及方法 | |
CN110222436A (zh) | 列车零部件健康状态的评估方法、装置及存储介质 | |
CN112976961A (zh) | 基于机器视觉和大数据分析的汽车行驶安全状态实时监测预警方法 | |
CN111144485A (zh) | 基于xgboost分类算法的车辆事故判断方法和系统 | |
US20200156680A1 (en) | Railway vehicle major component and system diagnosis apparatus | |
CN111476429B (zh) | 瓦斯监控数据累积瞬变特征预测煤与瓦斯突出的方法 | |
CN108596348A (zh) | 汽车保养信息推送方法及系统 | |
CN103679065A (zh) | 用于技术设备或工艺过程的安全装置 | |
CN107430812B (zh) | 用于机动车的故障源地理定位方法和系统 | |
CN116736138A (zh) | 动力电池监控方法、装置、可读存储介质及电子设备 | |
CN111461456B (zh) | 一种基于瓦斯监控数据瞬时变化特征预警突出危险的方法 | |
CN115019484A (zh) | 一种汽车尾气实时监控系统 | |
WO2018025802A1 (ja) | 異常通知装置及び異常通知方法 | |
CN112446980B (zh) | 提出最小概率故障的增强型部件故障诊断方法 | |
CN106515745A (zh) | 一种自动驾驶列车和站台的控制系统 | |
US20080278304A1 (en) | Method and Apparatus for Monitoring Pressure of Vehicle Tires | |
CN115219016B (zh) | 一种推力杆故障预警装置及方法 | |
CN110987448A (zh) | 发动机进气状态监测方法、装置及设备 |
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 |