CN111737822B - 一种基于点云数据的航空构件贴合间隙三维形貌评估方法 - Google Patents

一种基于点云数据的航空构件贴合间隙三维形貌评估方法 Download PDF

Info

Publication number
CN111737822B
CN111737822B CN202010599912.0A CN202010599912A CN111737822B CN 111737822 B CN111737822 B CN 111737822B CN 202010599912 A CN202010599912 A CN 202010599912A CN 111737822 B CN111737822 B CN 111737822B
Authority
CN
China
Prior art keywords
assembly
point cloud
point
cloud data
component
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
Application number
CN202010599912.0A
Other languages
English (en)
Other versions
CN111737822A (zh
Inventor
刘学术
王一奇
高航
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.)
Dalian University of Technology
Original Assignee
Dalian University of Technology
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 Dalian University of Technology filed Critical Dalian University of Technology
Priority to CN202010599912.0A priority Critical patent/CN111737822B/zh
Publication of CN111737822A publication Critical patent/CN111737822A/zh
Application granted granted Critical
Publication of CN111737822B publication Critical patent/CN111737822B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/10Geometric CAD
    • G06F30/15Vehicle, aircraft or watercraft design
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/21Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G06F18/2135Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • G06F30/23Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/30Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/337Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00Details relating to the application field
    • G06F2113/10Additive manufacturing, e.g. 3D printing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10028Range image; Depth image; 3D point clouds

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Hardware Design (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Automation & Control Theory (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Evolutionary Biology (AREA)
  • Length Measuring Devices With Unspecified Measuring Means (AREA)

Abstract

本发明属于数字化测量技术领域,涉及一种基于点云数据的航空构件贴合间隙三维形貌评估方法。首先采用三维激光扫描仪对装配组件进行扫描,获取装配组件的点云数据;其次,在三维坐标系统中,完成装配组件点云坐标的三维坐标变换,使其达到准装配状态;然后采用改进的迭代最近点法,实现装配组件虚拟装配;最后在确定参考平面后,生成采样点和对应点,并依此构建贴合间隙三维形貌几何模型实现航空构件贴合间隙三维形貌的准确评估。本发明具有适用性强、快速、准确的特性,有效节省航空构件连接装配时间和成本。

Description

一种基于点云数据的航空构件贴合间隙三维形貌评估方法
技术领域
本发明属于数字化测量技术领域,涉及一种基于点云数据的航空构件贴合间隙三维形貌评估方法。
背景技术
航空用零部件在成型过程中由于存在着成型误差,在连接装配时会在本应完全自由贴合的界面处产生间隙。飞机等民用航空飞行器为满足适航的要求,需要在装配过程中对贴合间隙进行充填补偿,因此首先需要对贴合间隙尺寸进行测量并依此选择材料并制备垫片。目前对于贴合间隙的测量仍以手工操作为主,存在着效率低、精度差,特别是对于具有封闭、本封闭特征的航空盒段类结构具有内部间隙测量不可达的实际问题,因此需要发展一种航空构件贴合间隙三维形貌评估方法以提高测量效率和精度。本发明提出一种基于点云数据的贴合间隙三维形貌评估方法用于实现对航空构件贴合间隙三维形貌的准确测量,为实现航空结构件高质量连接装配创造条件。
由于贴合间隙的存在,应用于航空领域构件的装配通常需要经过预装配、间隙测量、间隙补偿及连接装配多个环节才能完成,对于贴合间隙的测量目前仍以手工测量为主,不仅效率低、精度差,而且对于封闭、半封闭区域贴合间隙的手工测量根本无法实现,是航空构件连接装配过程中面临的现实难题和挑战。因此,实现航空构件贴合间隙三维形貌数字化评估意义重大。
国内外诸多学者对数字化测量技术的研究主要集中在构件的几何测量和成型精度检测等方面,对于将数字化测量方法用于装配环节以实现手工测量不可达贴合间隙快速测量的研究较少,尤其是针对具有复杂三维形貌贴合间隙的测量的研究还未见公开报道。
发明内容
本发明的目的:飞机等民用航空飞行器在服役前必须通过适航认证,而对航空构件中贴合间隙进行充填补偿是飞机满足适航认证的前提和基础。然而,对于具有封闭、半封闭特征的航空结构采用传统手工测量贴合间隙的方式不仅效率低、精度差,而且对于内部贴合间隙根本无法手工测量,为解决这一实际问题而提出一种基于点云数据的贴合间隙三维形貌评估方法。该方法可适用于所有航空结构,能够评估所有类型的贴合间隙,具有快速、准确的特征,能够有效节约时间并提高测量精度,为航空构件装配质量的提升创造条件。
本发明的技术方案:
一种基于点云数据的贴合间隙三维形貌评估方法,首先采用三维激光扫描仪对装配组件进行扫描测量,获取包含装配组件表面信息的点云数据;其次,在三维坐标系中完成装配组件位姿的调整,将装配组件调整到准装配状态下的姿态;然后,采用改进的迭代最近点方法实现装配组件的虚拟装配;之后,在确定一个参考平面后,对于要评估贴合间隙的装配组件,在一个装配组件上确定用于贴合间隙评估的采样点集P,在另一个配合组件上确定对应点集Q;最后,利用采样点集P和对应点集Q生成贴合间隙三维几何形貌几何模型,实现贴合间隙三维形貌的准确评估;具体步骤如下:
(1)获取装配组件点云数据
打开三维激光扫描仪对装配组件进行扫描测量,获得装配组件点云数据集{Ai|i=1,2,…,m},其中Ai表示第i个装配组件的点云数据,m表示构件中所包含的装配组件的数量。Ai={pj|j=1,2,…,n},pj表示利用扫描设备获取的数据点,n表示在装配组件Ai上获取的数据点个数。
(2)装配组件位姿调整
需要对步骤(1)中的装配组件点云数据根据装配时各组件的具体位置进行坐标变换,为虚拟装配创造条件。为此需要对点云数据进行坐标变换,变换方法如下:
Ai *=Ai·M (1)
式中Ai *表示Ai经坐标变换后得到的点云数据,M表示坐标变换矩阵,是一个4×4阶方阵。
当装配组件需要绕X轴旋转θ角度并沿X、Y、Z三坐标轴发生平移量分别为x0,y0和z0平移变换时,坐标变换矩阵Mx如下所示:
Figure BDA0002557906090000021
当装配组件需要绕Y轴旋转θ角度并沿X、Y、Z三坐标轴发生平移量分别为x0,y0和z0平移变换时,坐标变换矩阵My如下所示:
Figure BDA0002557906090000031
当装配组件需要绕Z轴旋转θ角度并沿X、Y、Z三坐标轴发生平移量分别为x0,y0和z0平移变换时,坐标变换矩阵Mz如下所示:
Figure BDA0002557906090000032
装配组件经过位姿的调整便于后续步骤(3)虚拟装配的实现。
(3)装配组件点云数据虚拟装配
装配组件点云数据经过位姿调整后采用一种改进的迭代最近点算法实现装配组件点云数据的虚拟装配。其基本原理为:对于源点云数据中的每一个数据点,在目标点云数据中寻找欧式距离最近点作为对应点,然后根据公式(5)求解出旋转和平移变换参数R和t,变换过程中需要确保一个组件的点云数据不会跨越另一个组件的点云数据。
Figure BDA0002557906090000033
Figure BDA0002557906090000034
式中,k为对应点的数目,pi
Figure BDA0002557906090000035
向量,qi
Figure BDA0002557906090000036
向量,R为旋转变换矩阵,t为平移向量,pi *为向量pi经R和t旋转平移变换后的向量。
(4)生成采样点集P和对应点集Q
以第i个装配组件的某配合面点云Ai’为例进行说明。首先采用主元素分析法获取Ai’的两个主方向n1和n2,继而获得向量n3=n1×n2作为平面α的法向量,
Figure BDA0002557906090000037
为空间任意点。遍历点云得到坐标点最大和最小值,分别为xmin、ymin、zmin、xmax、ymax、zmax,确定点云数据最小包围盒的四个角点坐标分别为c1(xmin,ymin,zmin)、c2(xmin,ymax,zmin)、c3(xmax,ymin,zmin)和c4(xmax,ymax,zmin)。将四个角点沿n3方向投影到平面α得到对应的投影点为c1’,c2’,c3’和c4’。依次连接各点形成矩形封闭区域,根据采样点密度参数将矩形区域离散成小矩形网格;根据角点的投影点坐标可计算每个网格节点si的坐标,以每个节点si为主轴线上一点,以r为半径,n3为主轴线方向确定一无限长圆柱面Фi;采用最小二乘法将Фi中包含的Ai’的数据点拟合成曲面γi,计算直线L(si,n3)与γi的交点ti,继而得到采样点集合P={ti|i=1,2,…}。同理,通过计算Фi与Ai’的配合面点云数据Aj’可以得到P的对应点集Q。通过计算采样点与对应点之间的欧式距离可得贴合间隙尺寸。
(5)创建贴合间隙三维形貌几何模型
利用步骤(4)获得的采样点集P和对应点集Q可创建由三角面片表示的贴合间隙三维形貌几何模型。
本发明的有益效果:
(1)目前飞机结构在装配过程中对于贴合间隙的测量均采用手工测量的方式进行,常用的测量工具有塞尺和电容式测量仪等,存在着效率低、精度差等不足,特别是对于内部封闭区域的贴合间隙及封闭式间隙存在着手工不可测量的实际问题。本发明作为航空构件贴合间隙数字化测量的一种,能够有效解决贴合间隙测量不可达的实际问题,且对于测量效率和精度均有提升效果。
(2)与手工测量相比,本发明的应用可去除航空构件预装配和拆卸环节,节约时间成本和人力成本,并提高生产效率。
(3)利用本发明获得贴合间隙三维形貌几何模型后可利用数控机床及快速成型技术(3D打印技术)实现固体垫片的快速成型,解决了填隙垫片加工困难、效率低的问题,同时也能有效提升航空构件装配质量。
附图说明
图1是航空构件贴合间隙三维形貌评估流程图。
图2是装配组件点云数据示意图,(a)是装配组件1,(b)是装配组件2。
图3是装配组件位姿调整示意图。
图4是虚拟装配示意图。
图5是采样点与对应点示意图。
图6是贴合间隙三维形貌几何模型,
具体实施方式
以下结合技术方式和附图详细叙述本发明的具体实施方式。
一种基于点云数据的航空构件贴合间隙三维形貌评估方法的流程如图1所示,方法的具体步骤如下:
第一步:获取装配组件点云数据
选取的扫描设备是EinScan Pro 2X手持式三维扫描仪。本次实施过程是通过手持式扫描仪对装配组件进行扫描测量快速获取包含装配组件配合面的xyz坐标数据文件,即点云数据,结果如图2所示。
第二步:装配组件位姿调整
装配组件点云数据坐标变换的基本原理是依据公式(1)进行坐标变换,使其调整到准装配状态,在变换过程中根据需要采用(2)、(3)或(4)计算旋转偏移矩阵,实现装配组件位置的调整,结果如图3所示。
第三步:虚拟装配
虚拟装配操作程序的基本原理是利用公式(5)实现装配组件配合面点云数据重合度最大,即装配组件配合面点云数据坐标点重合数量最大,结果如图4所示。
第四步:参考平面α的确定
参考平面的确定过程如下:首先采用主元素分析法对虚拟装配后的点云数据进行分析,获取两个主方向n1和n2,继而确定法向量n3=n1×n2作为参考平面的法向量;之后,选取远离装配组件点云数据的空间任意一点p0作为参考平面上一点,如果由p0与n3确定的平面α与装配组件点云数据不相交,则α为参考平面;否则,调整p0坐标直至满足上述条件。
第五步:采样点与对应点计算
首先遍历装配组件点云数据所有数据点并建立点云的最大包围盒;将包围盒的角点投影到参考平面α并依据投影点的坐标值确定最小包围矩形的四个角点;根据采样点密度参数将最小包围矩形划分成小矩形网格;对于每一个网格节点si,以si为中心,r为半径,n3为主轴线方向确定一无限长圆柱面Фi,如果Фi与装配组件的点云数据相交,则需要保证Фi至少包含3个以上该装配组件的数据点,否则增加r直至满足条件;采用最小二乘法将Фi中包含的一个装配组件的数据点拟合成曲面,计算直线(si,n3)与该拟合曲面的交点,此交点即为采样点或对应点,结果如图5所示。
第六步:贴合间隙三维形貌网格模型生成
利用第五步得到的采用点和对应点可生成贴合间隙三维形貌网格模型,结果如图6所示,该模型可直接用于3D打印以生成填隙垫片。

Claims (1)

1.一种基于点云数据的航空构件贴合间隙三维形貌评估方法,其特征在于,首先采用三维激光扫描仪对装配组件进行扫描,获取装配组件的点云数据;其次,在三维坐标系统中,完成装配组件点云坐标的三维坐标变换,使其达到准装配状态;然后采用改进的迭代最近点法,实现装配组件虚拟装配;最后在确定参考平面后,生成采样点和对应点,并依此构建贴合间隙三维形貌几何模型实现航空构件贴合间隙三维形貌的准确评估;具体步骤如下:
(1)获取装配组件点云数据
对装配组件进行扫描测量并快速获取包含装配组件配合面的xyz坐标数据文件,即装配组件的点云数据;
(2)装配组件位姿调整
将装配组件调整到准装配状态,过程为:首先确定一个固定的装配组件,此后调整与该装配组件有配合关系的装配组件至准装配状态,调整过程就是使装配组件点云数据绕X、Y或Z坐标轴旋转或平移,变换公式为:
Ai *=Ai·M (1)
式中Ai *表示Ai经坐标变换后得到的点云数据,M表示坐标变换矩阵,是一个4×4阶方阵;
当装配组件需要绕X轴旋转θ角度并沿X、Y、Z三坐标轴发生平移量分别为x0,y0和z0平移变换时,坐标变换矩阵Mx如下所示:
Figure FDA0002557906080000011
当装配组件需要绕Y轴旋转θ角度并沿X、Y、Z三坐标轴发生平移量分别为x0,y0和z0平移变换时,坐标变换矩阵My如下所示:
Figure FDA0002557906080000021
当装配组件需要绕Z轴旋转θ角度并沿X、Y、Z三坐标轴发生平移量分别为x0,y0和z0平移变换时,坐标变换矩阵Mz如下所示:
Figure FDA0002557906080000022
(3)装配组件点云数据虚拟装配
采用一种改进的迭代最近点算法实现装配组件点云数据的虚拟装配,具体为:对于源点云数据中的每一个数据点,在目标点云数据中寻找欧式距离最近点作为对应点,然后根据公式(5)求解出旋转和平移变换参数R和t,变换过程中需要确保一个组件的点云数据不会跨越另一个组件的点云数据;
Figure FDA0002557906080000023
式中,k为对应点的数目,pi
Figure FDA0002557906080000024
向量,qi
Figure FDA0002557906080000025
向量,R为旋转变换矩阵,t为平移向量,pi *为向量pi经R和t旋转平移变换后的向量;
(4)生成采样点和对应点
第i个装配组件的某配合面点云Ai’:首先采用主元素分析法获取Ai’的两个主方向n1和n2,继而获得向量n3=n1×n2作为平面α的法向量,α:(p-p0)·n3=0,
Figure FDA0002557906080000026
p为空间任意点;遍历点云得到坐标点最大值和最小值,分别为xmin、ymin、zmin、xmax、ymax、zmax,确定点云数据最小包围盒的四个角点坐标分别为c1(xmin,ymin,zmin)、c2(xmin,ymax,zmin)、c3(xmax,ymin,zmin)和c4(xmax,ymax,zmin);将四个角点沿n3方向投影到平面α得到对应的投影点为c1’,c2’,c3’和c4’;依次连接各点形成矩形封闭区域,根据采样点密度参数将矩形区域离散成小矩形网格;根据角点的投影点坐标计算每个网格节点si的坐标,以每个节点si为主轴线上一点,以r为半径,n3为主轴线方向确定一无限长圆柱面Фi;采用最小二乘法将Фi中包含的Ai’的数据点拟合成曲面γi,计算直线L(si,n3)与γi的交点ti,继而得到采样点集合P={ti|i=1,2,…};同理,通过计算Фi与Ai’的配合面点云数据Aj’得到P的对应点集Q;通过计算采样点与对应点之间的欧式距离得贴合间隙尺寸;
(5)创建贴合间隙三维形貌几何模型
利用步骤(4)获得的采样点集P和对应点集Q创建由三角面片表示的贴合间隙三维形貌几何模型。
CN202010599912.0A 2020-06-28 2020-06-28 一种基于点云数据的航空构件贴合间隙三维形貌评估方法 Active CN111737822B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010599912.0A CN111737822B (zh) 2020-06-28 2020-06-28 一种基于点云数据的航空构件贴合间隙三维形貌评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010599912.0A CN111737822B (zh) 2020-06-28 2020-06-28 一种基于点云数据的航空构件贴合间隙三维形貌评估方法

Publications (2)

Publication Number Publication Date
CN111737822A CN111737822A (zh) 2020-10-02
CN111737822B true CN111737822B (zh) 2022-09-27

Family

ID=72651493

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010599912.0A Active CN111737822B (zh) 2020-06-28 2020-06-28 一种基于点云数据的航空构件贴合间隙三维形貌评估方法

Country Status (1)

Country Link
CN (1) CN111737822B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112053361B (zh) * 2020-10-15 2021-11-09 南京航空航天大学 一种基于大规模点云的飞机蒙皮对缝检测方法
CN112631379A (zh) * 2021-01-06 2021-04-09 Oppo广东移动通信有限公司 盖板装配方法及电子设备
CN112945169B (zh) * 2021-02-01 2022-10-28 西安交通大学 数字化三维间隙测量系统的精度标定装置及方法
CN113111741B (zh) * 2021-03-27 2024-05-07 西北工业大学 一种基于三维特征点的装配状态识别方法
CN116165760B (zh) * 2023-02-15 2023-08-22 山东大学 一种基于三维表面虚拟叠合的间隙精度控制方法及系统
CN116697914B (zh) * 2023-08-04 2023-10-17 南京航空航天大学 一种基于数字孪生的装配间隙实时测量方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107687816B (zh) * 2017-08-22 2019-05-14 大连理工大学 一种基于点云局部特征提取的装配间隙的测量方法
CN109918755B (zh) * 2019-02-28 2020-08-14 大连理工大学 一种基于点云数据的低刚度制件装配变形预测方法

Also Published As

Publication number Publication date
CN111737822A (zh) 2020-10-02

Similar Documents

Publication Publication Date Title
CN111737822B (zh) 一种基于点云数据的航空构件贴合间隙三维形貌评估方法
CN110095060A (zh) 基于三维扫描技术的钢结构快速质量检测方法
CN107703499A (zh) 一种基于自制地基激光雷达对准误差的点云误差校正方法
CN109918755B (zh) 一种基于点云数据的低刚度制件装配变形预测方法
CN107290734A (zh) 一种基于自制地基激光雷达垂直度误差的点云误差校正方法
JP2010513927A (ja) 物体の測定方法及びシステム
CN107290735A (zh) 一种基于自制地基激光雷达铅垂度误差的点云误差校正方法
WO2023142608A1 (zh) 获得飞机面型的系统和方法
CN110335301A (zh) 一种基于激光雷达和结构光的三维扫描方法及装置
CN106767567A (zh) 一种大尺寸复合材料构件贴模度非接触检测方法
CN117272522B (zh) 一种便携式飞机曲面蒙皮铆钉孔轮廓测量系统及其方法
CN113702384A (zh) 一种回转构件表面缺陷检测装置、检测方法及标定方法
Zhao et al. Uncertainty modeling and evaluation of profile measurement by structured light scanner
CN111765902A (zh) 一种基于多棱锥标靶的激光点云精度评估方法
CN112179282B (zh) 一种适用于装配间隙数字化测量的点云数据模型虚拟装配方法
Zou et al. Extrinsic calibration method for 3D scanning system with four coplanar laser profilers
Sánchez et al. Fast and accurate mesh registration applied to in-line dimensional inspection processes
Yang et al. Investigation of point cloud registration uncertainty for gap measurement of aircraft wing assembly
CN114001682B (zh) 电气间模块重型门门框安装面的平面度评判方法
Chekh et al. Extrinsic calibration and kinematic modelling of a laser line triangulation sensor integrated in an intelligent fixture with 3 degrees of freedom
CN112308890B (zh) 一种标准球辅助的工业ct测量坐标系可靠配准方法
CN110595416B (zh) 一种扫描测头的三维解耦合标定方法及标定装置
Gao et al. Full‐field deformation measurement by videogrammetry using self‐adaptive window matching
CN116625242B (zh) 光学三坐标测量机路径规划方法、系统、电子设备及介质
Ristic et al. A framework for non-contact measurement and analysis of NURBS surfaces

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