CN111488849A - 一种对轨迹中圆形盘旋的特征识别方法 - Google Patents

一种对轨迹中圆形盘旋的特征识别方法 Download PDF

Info

Publication number
CN111488849A
CN111488849A CN202010304683.5A CN202010304683A CN111488849A CN 111488849 A CN111488849 A CN 111488849A CN 202010304683 A CN202010304683 A CN 202010304683A CN 111488849 A CN111488849 A CN 111488849A
Authority
CN
China
Prior art keywords
track
turning
course
turn
spiral
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.)
Granted
Application number
CN202010304683.5A
Other languages
English (en)
Other versions
CN111488849B (zh
Inventor
孙石磊
王超
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Civil Aviation University of China
Original Assignee
Civil Aviation University of China
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Civil Aviation University of China filed Critical Civil Aviation University of China
Priority to CN202010304683.5A priority Critical patent/CN111488849B/zh
Publication of CN111488849A publication Critical patent/CN111488849A/zh
Application granted granted Critical
Publication of CN111488849B publication Critical patent/CN111488849B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/10Terrestrial scenes
    • G06V20/13Satellite images
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/42Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
    • G06V10/422Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation for representing the structure of the pattern or shape of an object therefor

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Astronomy & Astrophysics (AREA)
  • Remote Sensing (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种对轨迹中圆形盘旋的特征识别方法。该方法根据空管二次雷达记录的民航飞机空中交通轨迹数据,依次分析各个航迹的航向信息,提出自动化识别轨迹中圆形盘旋特征的方法。识别的圆形盘旋特征包括:盘旋开始航迹、盘旋结束航迹、盘旋等待时间和盘旋圈数。本发明与现有方法相比具有两个优点:第一,通过调节四个自定义参数,方法适用于轨迹中存在噪声航迹和记录误差等低质量数据的情况,健壮性强;第二,该方法实现了对轨迹数据中圆形盘旋特征的自动化识别,避免了传统方式下的人工记录,有效降低了空中交通管制员的工作负荷,提高了运行效率。

Description

一种对轨迹中圆形盘旋的特征识别方法
技术领域
本发明涉及民航空中交通管理中的数据挖掘,具体涉及一种对轨迹中圆形盘旋的特征识别方法。
背景技术
在空中交通管制工作中,为了保障前后民航飞机之间具备足够的间隔,管制员经常指挥跟随飞机实施盘旋等待。盘旋等待的具体原因一般包括流量控制、机场、放油、天气、空域、军方活动和特情等。其中一种常见的盘旋等待是圆形盘旋。
在海量的民航飞机监视轨迹数据中,盘旋等待轨迹数量很少,而且与通常由直线与转弯组合而成的一般轨迹相比,特征差异显著,属于异常轨迹。但民航轨迹数据挖掘领域对异常轨迹的研究,通常局限在飞机飞行过程中发生航路、航线的偏离,速度突然增加、减少,高度变化过快,出现在未经允许的区域(如危险区、限制区、禁区等)。目前,国内尚没有自动化识别轨迹中所包含的圆形盘旋特征的方法。
盘旋等待程序保障了飞行安全,但同时也延缓了空中交通进程,影响了飞行效率和航班正常性。各地区空管单位都开展了盘旋等待事件的记录工作,增加了空中交通管制员的工作负荷。
发明内容
针对现有技术存在的问题,本发明的目的是根据空管二次雷达记录的民航飞机空中交通轨迹数据,依次分析各个航迹的航向信息,提出自动化识别轨迹中圆形盘旋特征的方法。识别的圆形盘旋特征包括:盘旋开始航迹、盘旋结束航迹、盘旋等待时间和盘旋圈数。
本发明采取的技术方案是:一种对轨迹中圆形盘旋的特征识别方法,其特征在于,首先定义所述方法中所采用的两个概念:航迹和轨迹,其中航迹定义为一个六维向量:
P=(x,y,z,v,h,t)
式中:x、y、z、v、h、t分别表示航迹P的经度、纬度、高度、速度、航向和记录时刻;轨迹定义为航迹的集合:
T={P1,P2,…,Pi,…,Pn}
式中:Pi表示轨迹T中第i个航迹,n为航迹总数。
所述方法有如下步骤:
一、输入轨迹
输入已知一条包含圆形盘旋的轨迹。
二、设定参数
设定进入转弯阈值、窗口长度、持续转弯阈值和圆形盘旋阈值四个参数。
三、计算全部航向差
如果飞机向右转弯,计算方法如式(1)所示:
Figure BDA0002455302090000021
式中,hi+1表示后一个航迹的航向,单位:度;hi表示前一个航迹的航向,单位:度;Δhi表示两个相邻航迹的航向差,单位:度。
如果飞机向左转弯,计算方法如式(2)所示:
Figure BDA0002455302090000022
式中,hi+1表示后一个航迹的航向,单位:度;hi表示前一个航迹的航向,单位:度;Δhi表示两个相邻航迹的航向差,单位:度。
四、分析第一个航向差
从第1个航向差Δh1开始分析。
五、判断进入转弯
假如第i个航向差Δhi小于所设定的进入转弯阈值,则继续分析第i+1个航向差Δhi+1……依次类推,直到满足步骤六条件,进入步骤六。
六、识别转弯开始航迹
假如编号为b的航向差Δhb大于所设定的进入转弯阈值,则标记该编号b的航迹Pb为转弯开始航迹。
七、计算窗口转弯航向
窗口转弯航向的计算方法如式(3)所示:
Figure BDA0002455302090000023
式中,Wb表示转弯开始航迹Pb的窗口转弯航向,单位:度;b表示转弯开始航迹Pb的编号;w表示窗口长度;Δhi表示两个相邻航迹的航向差,单位:度。
八、判断持续转弯
假如编号为b的窗口转弯航向Wb大于所设定的持续转弯阈值,则识别该编号b的航迹Pb在持续转弯,继续分析编号b+1的航迹Pb+1,计算编号b+1的航迹Pb+1的窗口转弯航向Wb+1……依次类推,直到满足步骤九条件,进入步骤九。
九、识别转弯结束航迹
假如编号为e的窗口转弯航向We小于所设定的持续转弯阈值,则标记该编号e的航迹Pe为转弯结束航迹。
十、计算总转弯航向
总转弯航向计算方法如式(4)所示:
Figure BDA0002455302090000031
式中,H表示总转弯航向,单位:度;b表示转弯开始航迹Pb的编号;e表示转弯结束航迹Pe的编号;Δhi表示两个相邻航迹的航向差,单位:度。
十一、判断形成圆形盘旋
如果总转弯航向小于所设定的圆形盘旋阈值,则继续分析下一个即编号e的航向差Δhe,返回步骤五;如果总转弯航向大于所设定的圆形盘旋阈值,则判断该次转弯形成了圆形盘旋;十二、标记盘旋起止航迹
标记转弯开始航迹Pb为盘旋开始航迹,标记转弯结束航迹Pe为盘旋结束航迹;
十三、计算盘旋等待时间
盘旋等待时间计算方法如式(5)所示:
Δt=te-tb (5)
式中,Δt表示盘旋等待时间,te表示盘旋结束时刻,tb表示盘旋开始时刻。
十四、计算盘旋圈数
盘旋圈数计算方法如式(6)所示:
Figure BDA0002455302090000032
式中,N表示盘旋圈数,H表示总转弯航向,单位:度。
十五、输出圆形盘旋特征
输出盘旋开始航迹、盘旋结束航迹、盘旋等待时间、盘旋圈数。
本发明与现有方法相比具有两个优点:第一,通过调节四个自定义参数,方法适用于轨迹中存在噪声航迹和记录误差等低质量数据的情况,健壮性强;第二,该方法实现了对轨迹数据中圆形盘旋特征的自动化识别,避免了传统方式下的人工记录,有效降低了空中交通管制员的工作负荷,提高了运行效率。
附图说明
图1为本发明方法步骤流程图;
图2为本发明实施例中包含圆形盘旋的轨迹示意图。
具体实施方式
以下结合附图和实施例对本发明作进一步说明。
具体步骤如下:
一、输入轨迹
输入2019年8月17日某国内航班进场真实轨迹数据。
该轨迹从东北向西南方向进场,包含直线飞行、左转弯、右转弯和一个圆形盘旋,兼有各类飞行特征,具有一般性,如图2所示(图2中横坐标表示经度,纵坐标表示纬度)。该轨迹数据如表1所示:
表1轨迹数据
Figure BDA0002455302090000041
Figure BDA0002455302090000051
Figure BDA0002455302090000061
Figure BDA0002455302090000071
注:记录时刻的格式为年yyyy月mm日dd时hh分mm秒ss,一般8~10秒记录一次。
二、设定参数
1.进入转弯阈值:由表1可知,飞机在直线段飞行时,航向会在该直线方向两侧产生小幅度的偏差。所以定义该参数,表示相邻航迹记录时刻的时间间隔内,只有飞机航向变化的绝对值大于该值,才被本方法识别为飞机进入转弯。该参数取值越小,本方法对航向变化越敏感,越能对更多的疑似盘旋进行分析,但会增大方法计算量。本次实验设定进入转弯阈值为8(度)。
2.窗口长度:由表1可知,飞机在持续转弯过程中,由于空管二次雷达记录设备误差或者飞行技术原因,航向变化率(即转弯率,度/秒)并不稳定,甚至存在反向变化的情况。此外,存在单位时间内航向变化很小的缓慢转弯。所以定义该参数,利用窗口长度数量的连续航向差之和,作为判断飞机是否持续转弯的标准。该参数取值越大,对航向变化的容错率越高,对缓慢转弯漏判的可能性越小。本次实验设定窗口长度为3(个)。
3.持续转弯阈值:只有窗口转弯航向的绝对值大于该值,才被本方法识别为飞机在持续转弯。该参数取值越小,本方法对航向变化越敏感,越能对更多的疑似盘旋进行分析,但会增大方法计算量。该参数的最大值一般不超过进入转弯阈值×窗口长度。本次实验设定持续转弯阈值为20(度)。
4.圆形盘旋阈值:由图2可知,由于空管二次雷达记录设备误差、飞行技术、天气情况等因素,轨迹中包含的圆形盘旋并不是“完美”的圆形。所以定义该参数,一般略小于360度,只要飞机总转弯航向变化大于该值,本方法就认定该次转弯为圆形盘旋。本次实验设定圆形盘旋阈值为350(度)。
三、计算全部航向差
按照式(1)和式(2),依次计算该轨迹前后航迹的航向差,计算结果组成该轨迹的航向差向量,表示相邻记录时刻的时间间隔里面飞机转弯的角度,如表2所示。
表2全部航向差
Figure BDA0002455302090000081
Figure BDA0002455302090000091
Figure BDA0002455302090000101
四、分析第一个航向差
从第1个航向差Δh1开始分析。
五、判断进入转弯由表2可知,第1个,第2个……依次计算到第15个航向差的绝对值都小于设定的进入转弯阈值8(度),直到第16个航向差。
六、识别转弯开始航迹
第16个(即编号b)航向差(即Δhb)为9(度),该航向差绝对值大于设定的进入转弯阈值8(度),因此标记第16个航迹(即Pb)为转弯开始航迹。该航迹如表3所示。
表3转弯开始航迹数据
Figure BDA0002455302090000111
七、计算窗口转弯航向
按照式(3)的计算方法,从第16个航迹开始,计算3个(即窗口长度w)连续航向差之和,即窗口转弯航向为41(度)。因为窗口转弯航向的绝对值41(度)大于设定的持续转弯阈值20(度),继续计算第17个(即编号b+1)航迹的窗口转弯航向的绝对值为47(度)……依次类推,相关航迹的窗口转弯航向计算结果如表4所示。
表4相关航迹的窗口转弯航向
Figure BDA0002455302090000112
Figure BDA0002455302090000121
八、判断持续转弯由表4可知,第16个,第17个……依次计算至第42个航迹的窗口转弯航向的绝对值均大于所设定的持续转弯阈值20(度),识别第16到第42编号的航迹均在持续转弯,直到第43个航迹的窗口转弯航向。
九、识别转弯结束航迹
第43个(即编号e)航迹的窗口转弯航向(即We)为5(度),该窗口转弯航向的绝对值小于设定的持续转弯阈值20(度),因此标记第43个航迹(即Pe)为转弯结束航迹。该航迹如表5所示。
表5转弯结束航迹数据
Figure BDA0002455302090000122
十、计算总转弯航向
按照式(4),计算从转弯开始航迹即第16个航迹到转弯结束航迹即第43个航迹的连续航向差之和,得到总转弯航向为371(度)。
十一、判断形成圆形盘旋
因为总转弯航向371(度)大于设定的圆形盘旋阈值350(度),因此标记在该轨迹中识别到了圆形盘旋。
十二、标记盘旋起止航迹
标记第16个航迹为盘旋开始航迹,标记第43个航迹为盘旋结束航迹。
十三、计算盘旋等待时间
按照式(5),计算盘旋等待时间为3分44秒。
十四、计算盘旋圈数
按照式(6),计算盘旋圈数为1。
十五、输出圆形盘旋特征
输出方法识别的圆形盘旋特征,如表6所示。
表6圆形盘旋特征
Figure BDA0002455302090000123

Claims (1)

1.一种对轨迹中圆形盘旋的特征识别方法,其特征在于,首先定义所述方法中所采用的两个概念:航迹和轨迹,其中航迹定义为一个六维向量:
P=(x,y,z,v,h,t)
式中:x、y、z、v、h、t分别表示航迹P的经度、纬度、高度、速度、航向和记录时刻;
轨迹定义为航迹的集合:
T={P1,P2,…,Pi,…,Pn}
式中:Pi表示轨迹T中第i个航迹,n为航迹总数;
所述方法有如下步骤:
一、输入轨迹
输入已知一条包含圆形盘旋的轨迹;
二、设定参数
设定进入转弯阈值、窗口长度、持续转弯阈值和圆形盘旋阈值四个参数;
三、计算全部航向差
如果飞机向右转弯,计算方法如式(1)所示:
Figure FDA0002455302080000011
式中,hi+1表示后一个航迹的航向,单位:度;hi表示前一个航迹的航向,单位:度;Δhi表示两个相邻航迹的航向差,单位:度;
如果飞机向左转弯,计算方法如式(2)所示:
Figure FDA0002455302080000012
式中,hi+1表示后一个航迹的航向,单位:度;hi表示前一个航迹的航向,单位:度;Δhi表示两个相邻航迹的航向差,单位:度;
四、分析第一个航向差
从第1个航向差Δh1开始分析;
五、判断进入转弯
假如第i个航向差Δhi小于所设定的进入转弯阈值,则继续分析第i+1个航向差Δhi+1……依次类推,直到满足步骤六条件,进入步骤六;
六、识别转弯开始航迹
假如编号为b的航向差Δhb大于所设定的进入转弯阈值,则标记该编号b的航迹Pb为转弯开始航迹;
七、计算窗口转弯航向
窗口转弯航向的计算方法如式(3)所示:
Figure FDA0002455302080000021
式中,Wb表示转弯开始航迹Pb的窗口转弯航向,单位:度;b表示转弯开始航迹Pb的编号;w表示窗口长度;Δhi表示两个相邻航迹的航向差,单位:度;
八、判断持续转弯
假如编号为b的窗口转弯航向Wb大于所设定的持续转弯阈值,则识别该编号b的航迹Pb在持续转弯,继续分析编号b+1的航迹Pb+1,计算编号b+1的航迹Pb+1的窗口转弯航向Wb+1……依次类推,直到满足步骤九条件,进入步骤九;
九、识别转弯结束航迹
假如编号为e的窗口转弯航向We小于所设定的持续转弯阈值,则标记该编号e的航迹Pe为转弯结束航迹;
十、计算总转弯航向
总转弯航向计算方法如式(4)所示:
Figure FDA0002455302080000022
式中,H表示总转弯航向,单位:度;b表示转弯开始航迹Pb的编号;e表示转弯结束航迹Pe的编号;Δhi表示两个相邻航迹的航向差,单位:度;
十一、判断形成圆形盘旋
如果总转弯航向小于所设定的圆形盘旋阈值,则继续分析下一个即编号e的航向差Δhe,返回步骤五;如果总转弯航向大于所设定的圆形盘旋阈值,则判断该次转弯形成了圆形盘旋;
十二、标记盘旋起止航迹
标记转弯开始航迹Pb为盘旋开始航迹,标记转弯结束航迹Pe为盘旋结束航迹;
十三、计算盘旋等待时间
盘旋等待时间计算方法如式(5)所示:
Δt=te-tb (5)
式中,Δt表示盘旋等待时间,te表示盘旋结束时刻,tb表示盘旋开始时刻;
十四、计算盘旋圈数
盘旋圈数计算方法如式(6)所示:
Figure FDA0002455302080000031
式中,N表示盘旋圈数,H表示总转弯航向,单位:度;
十五、输出圆形盘旋特征
输出盘旋开始航迹、盘旋结束航迹、盘旋等待时间、盘旋圈数。
CN202010304683.5A 2020-04-17 2020-04-17 一种对轨迹中圆形盘旋的特征识别方法 Active CN111488849B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010304683.5A CN111488849B (zh) 2020-04-17 2020-04-17 一种对轨迹中圆形盘旋的特征识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010304683.5A CN111488849B (zh) 2020-04-17 2020-04-17 一种对轨迹中圆形盘旋的特征识别方法

Publications (2)

Publication Number Publication Date
CN111488849A true CN111488849A (zh) 2020-08-04
CN111488849B CN111488849B (zh) 2022-05-17

Family

ID=71795105

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010304683.5A Active CN111488849B (zh) 2020-04-17 2020-04-17 一种对轨迹中圆形盘旋的特征识别方法

Country Status (1)

Country Link
CN (1) CN111488849B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2591713A1 (en) * 2005-11-15 2007-05-24 Bell Helicopter Textron, Inc. Control system for automatic circle flight
CN103456192A (zh) * 2013-09-01 2013-12-18 中国民航大学 一种基于轨迹谱聚类的终端区盛行交通流识别方法
WO2016089263A1 (en) * 2014-12-03 2016-06-09 Ascom Sweden Ab Method and system for estimating relative angle between headings
US20180033313A1 (en) * 2016-08-01 2018-02-01 Ge Aviation Systems Llc Flight path management system
US20190279516A1 (en) * 2018-03-12 2019-09-12 Honeywell International Inc. Systems and methods for providing circling approach data onboard an aircraft
CN110751859A (zh) * 2019-10-17 2020-02-04 深圳市瑞达飞行科技有限公司 数据处理方法和装置、计算机系统和可读存储介质
CN110992733A (zh) * 2019-12-11 2020-04-10 北京航空航天大学 一种航班偏离正常航迹行为在线检测方法及装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2591713A1 (en) * 2005-11-15 2007-05-24 Bell Helicopter Textron, Inc. Control system for automatic circle flight
CN103456192A (zh) * 2013-09-01 2013-12-18 中国民航大学 一种基于轨迹谱聚类的终端区盛行交通流识别方法
WO2016089263A1 (en) * 2014-12-03 2016-06-09 Ascom Sweden Ab Method and system for estimating relative angle between headings
US20180033313A1 (en) * 2016-08-01 2018-02-01 Ge Aviation Systems Llc Flight path management system
US20190279516A1 (en) * 2018-03-12 2019-09-12 Honeywell International Inc. Systems and methods for providing circling approach data onboard an aircraft
CN110751859A (zh) * 2019-10-17 2020-02-04 深圳市瑞达飞行科技有限公司 数据处理方法和装置、计算机系统和可读存储介质
CN110992733A (zh) * 2019-12-11 2020-04-10 北京航空航天大学 一种航班偏离正常航迹行为在线检测方法及装置

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
AMIR NAKIB等: ""Mobile Tracking Based on Fractional Integration"", 《IEEE TRANSACTIONS ON MOBILE COMPUTING》 *
DANIEL MELLINGER等: ""Minimum Snap Trajectory Generation and Control for Quadrotors"", 《2011 IEEE INTERNATIONAL CONFERENCE ON ROBOTICS AND AUTOMATION》 *
胡凯: ""空中运动目标的特征航迹描述及仿真"", 《通信技术》 *
高伟等: ""个体移动轨迹—滑动窗口方法与航空流异常变化识别——以京沪空中廊道为例"", 《地理与地理信息科学》 *

Also Published As

Publication number Publication date
CN111488849B (zh) 2022-05-17

Similar Documents

Publication Publication Date Title
US8150588B2 (en) Methods and system for time of arrival control using time of arrival uncertainty
CN110992733B (zh) 一种航班偏离正常航迹行为在线检测方法及装置
US7626513B2 (en) Communication of landing conditions
CN112885155A (zh) 一种融合空域内无人机飞行碰撞风险评估方法
CN102831548A (zh) 塔台管制员技能自动评价系统
BR102014005705A2 (pt) método para identificar variações em parâmetros operacionais de aeronave, sistema e método para aprimorar parâmetros operacionais da aeronave
JP2015512818A5 (zh)
CN110473431A (zh) 一种进近管制空域高度限制下的冲突预测方法
CN112816226B (zh) 基于可控交通流的自动驾驶测试系统及方法
CN111488848B (zh) 一种对轨迹中跑马场形盘旋的特征识别方法
CN111488849B (zh) 一种对轨迹中圆形盘旋的特征识别方法
CN113109849B (zh) 一种基于北斗/gps双通道差分预测的辅助飞行导航方法和系统
Baxley et al. Flight crew survey responses from the interval management (IM) avionics Phase 2 flight test
WO2017218469A1 (en) Runway optimization system and method
CN101846519B (zh) 一种用于侧向航迹控制系统的飞行技术误差预测方法
Mueller et al. Strategic aircraft trajectory prediction uncertainty and statistical sector traffic load modeling
CN116719247B (zh) 一种数字太空仿真系统及方法
CN110632611B (zh) 一种固定翼无人机载激光雷达系统转弯滤波方法
CN116307316B (zh) 基于rnp ar进近程序分段式越障降落航线优化方法及系统
CN114721631B (zh) 起飞离场与进近着陆飞行程序航径安全设计方法及系统
CN110363300A (zh) 一种融合隐马尔可夫模型和数据投影切分的轨迹修正方法
Ellerbroek et al. Fuel and emission benefits for continuous descent approaches at Schiphol
Wang et al. Feasibility of using historical flight track data to nowcast unstable approaches
Oseguera et al. Flight evaluation of the CTAS descent advisor trajectory prediction
CN117685975B (zh) 用于航空事故调查的飞机着陆轨迹精确计算方法及系统

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