CN111618655A - 一种数控机床滚珠丝杆健康程度量化评价方法 - Google Patents
一种数控机床滚珠丝杆健康程度量化评价方法 Download PDFInfo
- Publication number
- CN111618655A CN111618655A CN201911204656.4A CN201911204656A CN111618655A CN 111618655 A CN111618655 A CN 111618655A CN 201911204656 A CN201911204656 A CN 201911204656A CN 111618655 A CN111618655 A CN 111618655A
- Authority
- CN
- China
- Prior art keywords
- index
- ball screw
- formula
- health
- machine tool
- 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
Links
- 230000036541 health Effects 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000011158 quantitative evaluation Methods 0.000 title claims abstract description 5
- 230000003595 spectral effect Effects 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 7
- 230000007613 environmental effect Effects 0.000 claims description 6
- YBJHBAHKTGYVGT-ZKWXMUAHSA-N (+)-Biotin Chemical compound N1C(=O)N[C@@H]2[C@H](CCCCC(=O)O)SC[C@@H]21 YBJHBAHKTGYVGT-ZKWXMUAHSA-N 0.000 claims description 2
- 230000002159 abnormal effect Effects 0.000 claims description 2
- BTCSSZJGUNDROE-UHFFFAOYSA-N gamma-aminobutyric acid Chemical compound NCCCC(O)=O BTCSSZJGUNDROE-UHFFFAOYSA-N 0.000 claims description 2
- FEPMHVLSLDOMQC-UHFFFAOYSA-N virginiamycin-S1 Natural products CC1OC(=O)C(C=2C=CC=CC=2)NC(=O)C2CC(=O)CCN2C(=O)C(CC=2C=CC=CC=2)N(C)C(=O)C2CCCN2C(=O)C(CC)NC(=O)C1NC(=O)C1=NC=CC=C1O FEPMHVLSLDOMQC-UHFFFAOYSA-N 0.000 claims description 2
- 238000005299 abrasion Methods 0.000 claims 1
- 238000012423 maintenance Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
- B23Q17/00—Arrangements for observing, indicating or measuring on machine tools
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
- B23Q17/00—Arrangements for observing, indicating or measuring on machine tools
- B23Q17/007—Arrangements for observing, indicating or measuring on machine tools for managing machine functions not concerning the tool
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
- B23Q17/00—Arrangements for observing, indicating or measuring on machine tools
- B23Q17/007—Arrangements for observing, indicating or measuring on machine tools for managing machine functions not concerning the tool
- B23Q17/008—Life management for parts of the machine
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Numerical Control (AREA)
Abstract
本发明公开了一种数控机床滚珠丝杆健康程度量化评价方法；S1，将采集到的机床工作状态时滚珠丝杆产生的振动信号和电压信号去除噪声后计算特征指数，再根据公式得到设备当前的健康指数；S2，将健康指数代入公式解方程得到当前设备滚珠丝杆的使用寿命；S3，将使用寿命投入公式中得到设备的健康预测公式。本发明能够预测机床滚珠丝杆的健康情况并进行量化展示，提前预防设备故障，延长设备的工作周期，避免因部件维修不及时，造成工厂经济损失等，且能够适用多种工作环境，应用性广。
Description
技术领域
本发明涉及数控加工技术领域及数据分析技术领域，特别是涉及一种数控机床滚珠丝杆健康程度量化评价方法。
背景技术
滚珠丝杆是机床的重要精密配件，在加工中有明显的保障加工精度的作用，它的老化与健康程度直接影响产品的良率，滚珠丝杆所产生故障是多种多样的，没有固定的模式，有的是渐发性故障，随着使用时间故障越来越严重；有时是突发性故障，一般没有明显的征兆。这些故障是各种不利因素及外界共同作用而产生的，一旦故障发生，将影响产品的质量，严重还会导致机床停机、工厂停工，给企业生产带来严重影响。所以必须寻找一种能够有效检测、预测滚珠丝杆健康的方法，预测机器零件剩余使用寿命等指标，实现对其的实时检测，提前预防故障，并对健康程度进行量化评价，有助于维修维护决策，保证产品质量，减少机器停工、工厂停产的概率。
发明内容
有鉴于此，针对现有的机床滚珠丝杆健康维修维护存在的问题，本发明提供一种数控机床滚珠丝杆健康程度量化评价方法，通过对机床滚珠丝杆进行数据采集分析，建立预测性公式对主轴的健康状态进行实时预测，以有效解决上述技术背景中存在的问题。
S1，将采集到的机床工作状态时滚珠丝杆产生的振动信号和电流信号预处理后计算特征指数，根据公式得到设备当前的健康指数；
S2，将健康指数代入公式解方程得到当前设备滚珠丝杆的使用寿命t；
S3，将使用寿命投入公式中得到设备的健康预测公式。
其中所述S1信号预处理的方法如下：
S11，通过对数据进行预处理，填补缺失值，修改异常值；
S12，利用处理后的数据计算特征指数，具体步骤如下：
S121，计算如下数据特征：振动信号的均值、振动信号的标准差、振动信号的峰度、振动信号的波形因子、振动信号的裕度因子、振动信号的谱峭度、谱峭度的标准差、电压信号的均值；
S122，将数据特征代入公式得到瞬时撞击指数SI、缺失磨损指数AI、环境干扰指数RI；
S123，将瞬时撞击指数SI、缺失磨损指数AI、环境干扰指数RI带入公式得到设备损坏程度指数s；
S13，将设备损坏程度指数s代入公式得到设备当前健康指数h，所述的公式为:h＝100-s
进一步的，一种数控机床滚珠丝杆健康程度量化评价方法，其特征在于，所述步骤S122中瞬时撞击指数SI由振动信号的峰度K、振动信号的波形因子S、振动信号的谱峭度St、谱峭度的标准差Sts代入公式得到，其中公式为：
其中CT、CF分别为时域修正参数和频域修正参数
缺失磨损指数AI由振动信号的裕度因子I代以下公式：
AI＝CI∑I2,其中CI为冲击修正系数
环境干扰指数RI由电压信号的均值U，振动信号的均值u，振动信号的标准差s 代入如下公式计算得到；
RI＝CUU+ln(|u|+1)+CSs,其中CU为电压修正系数CS为偏差修正系数
进一步的，一种数控机床滚珠丝杆健康程度量化评价方法，其特征在于，所述步骤S122，公式如下：
s＝AI×(SI+C×N-1)+RI，C为设备的基本动额定载荷(N)
进一步的，一种数控机床滚珠丝杆健康程度量化评价方法，其特征在于，所述步骤S2，公式如下：
其中L为工作寿命，C1、N、m、K为修正系数,C为基本动载荷(N)，fw为载荷系数，F为承轴载荷(N)，n为每分钟往返数,l为行程长度(mm)。
进一步的，一种数控机床滚珠丝杆健康程度量化评价方法，其特征在于，所述步骤S3，公式如下:H＝f(T+t),Rt＝L-t
其中T为当前到预测点之间的时间，H为时间T后的健康预测值，Rt为滚珠丝杆剩余寿命。
本发明的有益效果
本发明可以有效预测出数控机床滚珠丝杆的健康指数并进行量化展示，辅助决策，提前准备维修配件，避免长时间停机带来的损失，针对智能工厂内不同款式的数控机床，覆盖多个环节，提高设备的兼容性，实现对多种数控机床剩余寿命的统一预测，从而提供更加优化的维护与管理方案。
本发明操作简单，修改参数便捷，公式容易理解不需要很强的数学能力，适用于多种工作环境。
附图说明
图1是一种数控机床滚珠丝杆健康程度量化评价方法的步骤流程图；
图2-1是数控机床滚珠丝杆的振动原始信号大窗口图；
图2-2是数控机床滚珠丝杆的振动原始信号小窗图；
图3是数控机床滚珠丝杆的电压原始信号图；
图4是一种数控机床滚珠丝杆全生命周期健康指数预测曲线；
图5是一种数控机床滚珠丝杆的健康指数预测曲线；
具体实施方式
以下结合附图通过具体实施例对本发明作进一步的描述，这些实施例仅用于说明本发明，并不是对本发明保护范围的限制。
S1，将采集到的机床工作状态时滚珠丝杆产生的振动信号和电压信号去除噪声后计算特征指数，再根据公式得到设备当前的健康指数；
所述步骤S1中，参数CT＝1.5CF＝0.78CI＝2.31×10-4CU＝0.17CS＝1.58
计算得到AI＝3.32×10-3 SI＝1062 RI＝1.03
C＝1850N s＝AI×(SI+C×N-1)+RI＝10.7
计算获得的健康指数h为89.3；
S2，将健康指数代入公式解方程得到当前设备滚珠丝杆的使用寿命；
所述步骤S2中，C1＝21、N＝3.54、m＝3.5、L＝12600、K＝71计算获得的使用寿命为3700 (h)；
S3，将使用寿命投入公式中得到设备的健康预测公式，所述步骤S3中，得到剩余使用寿命预测公式为：
其中T为当前到预测点之间的时间，H为时间T后的健康预测值，Rt为滚珠丝杆剩余寿命(h)。
如图4、图5所示，随着已使用寿命的增加，剩余使用寿命的减少，滚珠丝杆的健康指数不断降低，可直观预测展示滚珠丝杆的健康程度。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (7)
1.一种数控机床滚珠丝杆健康程度量化评价方法，其特征在于，具体步骤如下：
S1，将采集到的机床工作状态时滚珠丝杆产生的振动信号和电压信号预处理后计算特征指数，根据公式得到设备当前的健康指数；
S2，将健康指数代入公式解方程得到当前设备滚珠丝杆的使用寿命t；
S3，将使用寿命投入公式中得到设备的健康预测公式。
2.根据权利要求1所述的一种数控机床滚珠丝杆健康程度量化评价方法，其特征在于所述S1预处理振动信号和电压信号和计算特征指数、设备健康指数的步骤如下：
S11，将已采集到的机床工作状态时滚珠丝杆产生的振动信号和电压信号预处理，
S12，利用处理后的数据计算特征指数；
S13，将设备损坏程度指数s代入公式得到设备当前健康指数h，其中所述的公式为h＝100-s。
3.根据权利要求2所述的一种数控机床滚珠丝杆健康程度量化评价方法，其特征在于所述S11的信号预处理方法是对数据进行预处理，填补缺失值，修改异常值；所述的S12，利用处理后的数据计算特征指数的具体步骤如下：
S121，计算如下数据特征：振动信号的均值、振动信号的标准差、振动信号的峰度、振动信号的波形因子、振动信号的裕度因子、振动信号的谱峭度、谱峭度的标准差、电压信号的均值；
S122将数据特征代入公式得到瞬时撞击指数SI、缺失磨损指数AI、环境干扰指数RI；
S123，将瞬时撞击指数SI、缺失磨损指数AI、环境干扰指数RI带入公式得到设备损坏程度指数s。
4.根据权利要求3所述的一种数控机床滚珠丝杆健康程度量化评价方法，其特征在于，所述步骤S122中瞬时撞击指数SI由振动信号的峰度K、振动信号的波形因子S、振动信号的谱峭度St、谱峭度的标准差Sts代入公式得到，其中公式为：
其中CT、CF分别为时域修正参数和频域修正参数
所述的缺失磨损指数AI由振动信号的裕度因子I代以下公式：
AI＝CI∑I2,其中CI为冲击修正系数
所述的环境干扰指数RI由电压信号的均值U，振动信号的均值u，振动信号的标准差s代入如下公式计算得到；
RI＝CUU+ln(|u|+1)+CSs,其中CU为电压修正系数CS为偏差修正系数。
5.根据权利要求3所述的一种数控机床滚珠丝杆健康程度量化评价方法，其特征在于，所述步骤S123公式如下：
s＝AI×(SI+C×N-1)+RI，C为设备的基本动额定载荷(N)。
6.根据权利要求1所述的一种数控机床滚珠丝杆健康程度量化评价方法，其特征在于，所述步骤S2公式如下：
其中L为工作寿命，C1、N、m为修正系数,C为基本动载荷(N)，fw为载荷系数，F为承轴载荷(N)，n为每分钟往返数,l为行程长度(mm)。
7.根据权利要求1所述的一种数控机床滚珠丝杆健康程度量化评价方法，其特征在于，所述步骤S3，公式如下:
H＝f(T+t),Rt＝L-t
其中T为当前到预测点之间的时间，H为时间T后的健康预测值，Rt为滚珠丝杆剩余寿命。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911204656.4A CN111618655B (zh) | 2019-11-29 | 2019-11-29 | 一种数控机床滚珠丝杆健康程度量化评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911204656.4A CN111618655B (zh) | 2019-11-29 | 2019-11-29 | 一种数控机床滚珠丝杆健康程度量化评价方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111618655A true CN111618655A (zh) | 2020-09-04 |
| CN111618655B CN111618655B (zh) | 2021-12-28 |
Family
ID=72255900
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911204656.4A Active CN111618655B (zh) | 2019-11-29 | 2019-11-29 | 一种数控机床滚珠丝杆健康程度量化评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111618655B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113642618A (zh) * | 2021-07-27 | 2021-11-12 | 上海展湾信息科技有限公司 | 一种用于螺杆装置状态预测模型训练的方法及设备 |
| CN117451348A (zh) * | 2023-12-26 | 2024-01-26 | 宁德时代新能源科技股份有限公司 | 丝杆设备检测方法、装置、电子设备和存储介质 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101870075A (zh) * | 2010-07-02 | 2010-10-27 | 西南交通大学 | 一种基于性能退化模型的数控机床丝杠副寿命预测方法 |
| CN102435436A (zh) * | 2011-11-24 | 2012-05-02 | 电子科技大学 | 风扇轴承状态退化评估方法 |
| JP2014223700A (ja) * | 2013-05-16 | 2014-12-04 | ファナック株式会社 | 主軸を支持するベアリングの寿命を推定する機能を備えた数値制御装置 |
| CN107357967A (zh) * | 2017-06-21 | 2017-11-17 | 东北大学 | 一种滚珠丝杠载荷谱的提取方法 |
| KR101802701B1 (ko) * | 2017-04-06 | 2017-11-28 | 울산대학교 산학협력단 | 베어링의 잔여수명 평가를 통한 베어링 역설계 방법 및 장치 |
| CN109211564A (zh) * | 2018-10-24 | 2019-01-15 | 哈工大机器人（山东）智能装备研究院 | 一种用于滚珠丝杠副健康评估的自适应阈值检测方法 |
| CN109255201A (zh) * | 2018-10-24 | 2019-01-22 | 哈工大机器人（山东）智能装备研究院 | 一种基于som-mqe的滚珠丝杠副健康评估方法 |
| CN109255395A (zh) * | 2018-10-24 | 2019-01-22 | 哈工大机器人（山东）智能装备研究院 | 一种滚珠丝杠副的寿命预测方法 |
| CN109271741A (zh) * | 2018-10-25 | 2019-01-25 | 北京航空航天大学 | 一种降压型dc-dc电源模块剩余使用寿命预测与健康评估方法 |
| CN110046409A (zh) * | 2019-03-29 | 2019-07-23 | 西安交通大学 | 一种基于ResNet的汽轮机部件健康状态评估方法 |
-
2019
- 2019-11-29 CN CN201911204656.4A patent/CN111618655B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101870075A (zh) * | 2010-07-02 | 2010-10-27 | 西南交通大学 | 一种基于性能退化模型的数控机床丝杠副寿命预测方法 |
| CN102435436A (zh) * | 2011-11-24 | 2012-05-02 | 电子科技大学 | 风扇轴承状态退化评估方法 |
| JP2014223700A (ja) * | 2013-05-16 | 2014-12-04 | ファナック株式会社 | 主軸を支持するベアリングの寿命を推定する機能を備えた数値制御装置 |
| KR101802701B1 (ko) * | 2017-04-06 | 2017-11-28 | 울산대학교 산학협력단 | 베어링의 잔여수명 평가를 통한 베어링 역설계 방법 및 장치 |
| CN107357967A (zh) * | 2017-06-21 | 2017-11-17 | 东北大学 | 一种滚珠丝杠载荷谱的提取方法 |
| CN109211564A (zh) * | 2018-10-24 | 2019-01-15 | 哈工大机器人（山东）智能装备研究院 | 一种用于滚珠丝杠副健康评估的自适应阈值检测方法 |
| CN109255201A (zh) * | 2018-10-24 | 2019-01-22 | 哈工大机器人（山东）智能装备研究院 | 一种基于som-mqe的滚珠丝杠副健康评估方法 |
| CN109255395A (zh) * | 2018-10-24 | 2019-01-22 | 哈工大机器人（山东）智能装备研究院 | 一种滚珠丝杠副的寿命预测方法 |
| CN109271741A (zh) * | 2018-10-25 | 2019-01-25 | 北京航空航天大学 | 一种降压型dc-dc电源模块剩余使用寿命预测与健康评估方法 |
| CN110046409A (zh) * | 2019-03-29 | 2019-07-23 | 西安交通大学 | 一种基于ResNet的汽轮机部件健康状态评估方法 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113642618A (zh) * | 2021-07-27 | 2021-11-12 | 上海展湾信息科技有限公司 | 一种用于螺杆装置状态预测模型训练的方法及设备 |
| CN113642618B (zh) * | 2021-07-27 | 2024-03-01 | 上海展湾信息科技有限公司 | 一种用于螺杆装置状态预测模型训练的方法及设备 |
| CN117451348A (zh) * | 2023-12-26 | 2024-01-26 | 宁德时代新能源科技股份有限公司 | 丝杆设备检测方法、装置、电子设备和存储介质 |
| CN117451348B (zh) * | 2023-12-26 | 2024-05-28 | 宁德时代新能源科技股份有限公司 | 丝杆设备检测方法、装置、电子设备和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111618655B (zh) | 2021-12-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111618655B (zh) | 一种数控机床滚珠丝杆健康程度量化评价方法 | |
| CN101870076B (zh) | 一种基于性能退化模型的数控机床导轨副寿命预测方法 | |
| CN107247230B (zh) | 一种基于支持向量机和数据驱动的旋转电机状态监测方法 | |
| CN107186547A (zh) | 基于切削功率的数控车削批量加工刀具磨损在线监测方法 | |
| CN108427841B (zh) | 一种数控机床刀具剩余寿命实时预测方法 | |
| EP1451550A1 (en) | Systems and methods for identifying the presence of a defect in vibrating machinery | |
| CN108620950B (zh) | 一种车削刀具加工状态监测方法及系统 | |
| CN109821900B (zh) | 一种轧机传动设备工作异常的在线检测方法 | |
| CN112947290A (zh) | 基于边云协同的设备状态监测方法、监测系统及存储介质 | |
| Liu et al. | Data-driven prognostics of remaining useful life for milling machine cutting tools | |
| CN105033763A (zh) | 一种数控机床滚珠丝杠磨损状态的预测方法 | |
| CN116408501A (zh) | 窜刀模式下滚刀磨损状态在机无监督实时监测方法 | |
| CN114326593B (zh) | 一种刀具寿命预测系统及方法 | |
| CN114925752A (zh) | 基于物联网的线切割机床板材切割异常监测方法 | |
| CN111176226A (zh) | 一种基于运行工况的设备特征参数报警阈值自动分析方法 | |
| Zhan et al. | Adaptive model for vibration monitoring of rotating machinery subject to random deterioration | |
| CN116681426B (zh) | 一种工业互联网设备预测性维护系统及方法 | |
| CN117260386A (zh) | 一种智能生产线机械式数控精雕机刀具磨损监测系统 | |
| CN113632025A (zh) | 用于评估工业环境中的能量消耗的方法、系统和计算机程序产品 | |
| US10656637B2 (en) | Monitoring system and monitoring method | |
| CN111623105B (zh) | 一种工业机器人rv减速器健康程度量化评价方法 | |
| CN111625907B (zh) | 一种数控机床主轴健康程度量化评价方法 | |
| CN112621381A (zh) | 机床进给系统健康状态智能评估方法及装置 | |
| CN117869276A (zh) | 一种空压机节能自动调节方法及系统 | |
| CN116880359B (zh) | 一种可信数控系统的测试方法及系统 |
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 | ||
| CP03 | Change of name, title or address |
Address after: Building 7, No. 124 Dongbao Road, Dongcheng Street, Dongguan City, Guangdong Province, 523128 Patentee after: Guangdong Prophet Big Data Co.,Ltd. Country or region after: China Address before: 523128 R & D building, No. 2, Weifeng Road, Waijing Industrial Park, Niushan community, Dongcheng Street, Dongguan City, Guangdong Province Patentee before: Dongguan prophet big data Co.,Ltd. Country or region before: China |
|
| CP03 | Change of name, title or address |