CN112129425A - 基于单调邻域均值的大坝混凝土浇筑光纤测温数据重采样方法 - Google Patents

基于单调邻域均值的大坝混凝土浇筑光纤测温数据重采样方法 Download PDF

Info

Publication number
CN112129425A
CN112129425A CN202010922651.1A CN202010922651A CN112129425A CN 112129425 A CN112129425 A CN 112129425A CN 202010922651 A CN202010922651 A CN 202010922651A CN 112129425 A CN112129425 A CN 112129425A
Authority
CN
China
Prior art keywords
temperature
time
optical fiber
data
mean value
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
CN202010922651.1A
Other languages
English (en)
Other versions
CN112129425B (zh
Inventor
赵春菊
周宜红
梁志鹏
周华维
王放
周剑夫
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.)
China Three Gorges University CTGU
Original Assignee
China Three Gorges University CTGU
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 China Three Gorges University CTGU filed Critical China Three Gorges University CTGU
Priority to CN202010922651.1A priority Critical patent/CN112129425B/zh
Publication of CN112129425A publication Critical patent/CN112129425A/zh
Application granted granted Critical
Publication of CN112129425B publication Critical patent/CN112129425B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K11/00—Measuring temperature based upon physical or chemical changes not covered by groups G01K3/00, G01K5/00, G01K7/00 or G01K9/00
    • G01K11/32—Measuring temperature based upon physical or chemical changes not covered by groups G01K3/00, G01K5/00, G01K7/00 or G01K9/00 using changes in transmittance, scattering or luminescence in optical fibres
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K3/00—Thermometers giving results other than momentary value of temperature
    • G01K3/02—Thermometers giving results other than momentary value of temperature giving means values; giving integrated values
    • G01K3/04—Thermometers giving results other than momentary value of temperature giving means values; giving integrated values in respect of time

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Measuring Temperature Or Quantity Of Heat (AREA)

Abstract

基于单调邻域均值的大坝混凝土浇筑光纤测温数据重采样方法，设定预视期长度，从光纤测温数据中，读取某个光纤测点的温度过程数据；将处理指针指向温度过程的起点，记录此时的温度和时间，作为一条重采样数据S i ；求取预视期范围内，温度过程的最高温度和最低温度；比较当前时间温度、最高温度和最低温度的大小及时间关系，确定预视期范围内的最近峰值及最近峰值对应的时间点；求取从当前时间到最近峰值时段内的温度均值，作为邻域均值；将最近峰值对应的时间及邻域均值，作为下一条重采样数据S i+1；移动处理指针到最近峰值对应的时间，重复上述步骤直到整个温度变化过程数据处理完毕。本发明方法能够最大限度的保留每个光纤测点测得的温度变化过程特征，同时提高光纤测温数据的访问效率。

Description

基于单调邻域均值的大坝混凝土浇筑光纤测温数据重采样 方法
技术领域
本发明涉及工程温度测量和大坝混凝土浇筑施工技术领域，具体涉及大体积混凝土浇筑施工过程中，基于单调邻域均值的大坝混凝土浇筑光纤测温数据重采样方法。
背景技术
由于光纤的分布式特性，如光纤的拉曼效应，通过探测每一段的拉曼效应可以有效的表征当前位置的温度特性。这就构成了一种分布式光纤测温的系统，通过不同原理可以探测各种信息，构建分布式应力、应变、振动、温度探测等；具有实时在线、测温精度高、本质安全和不受电磁干扰等优点。由于大坝混凝土温度过程直接影响混凝土成品质量、且浇筑仓尺寸大传统的点式温度计测量覆盖度难以反映其空间分布特征。将分布式光纤测温技术应用到大坝混凝土施工过程中，是近年研究的热点。
但是，分布式光纤测温系统测点多、理论上可以无限细分；频次高产生的数据量大，解算能力限制了分布式光纤的测温频率，一般可达到每小时一次。对于200m级的高坝，全坝光纤测温数据量将超过100G，数据量大、处理时间长，即使用目前主流性能的数据处理工作站，也难以满足日常工程管理数据提取和分析的需求。而另一方面，采集得到的海量数据中蕴含着混凝土水化发热和散热过程中，浇筑仓内温度分布的规律，采用简单的温度过程滑动平均算法，采用相同的均化区间和采样步长，会均化、抹除混凝土内温度变化特征。
发明内容
针对上述大坝混凝土浇筑光纤测温中存在的技术问题，本发明提供一种基于单调邻域均值的大坝混凝土浇筑光纤测温数据重采样方法，该方法能够最大限度的保留每个光纤测点测得的温度变化过程特征，同时提高光纤测温数据的访问效率。
本发明采取的技术方案为：
基于单调邻域均值的大坝混凝土浇筑光纤测温数据重采样方法，包括以下步骤：
步骤1：设定预视期长度，从大量光纤测温数据中，读取某个光纤测点的温度过程数据；
步骤2：将处理指针指向温度过程的起点，记录此时的温度和时间，作为一条重采样数据Si；
步骤3：求取预视期范围内，温度过程的最高温度和最低温度；
步骤4：如果最高温度比当前时间温度还低，则取最低温度为最近峰值；如果最低温度比当前时间温度还高，则取最高温度为最近峰值；否则，取最高温度和最低温度二者中离当前时间最近者，作为最近峰值；
步骤5：求取预视期范围内最近峰值对应的时间点，并求取从当前时间到最近峰值时段内的温度均值，作为邻域均值；
步骤6：将最近峰值对应的时间及邻域均值，作为下一条重采样数据Si+1；
步骤7：移动处理指针到最近峰值对应的时间，重复上述步骤2～步骤6，直到整个温度变化过程数据处理完毕。
本发明一种基于单调邻域均值的大坝混凝土浇筑光纤测温数据重采样方法，利用预设的数据采样预视期，对逐个预视期内的光纤测温数据进行单调化处理；最大限度保留每个光纤测点测温数据的温度起伏变化过程特征，同时消减单调邻域内的数据点、减少温度数据量。
本发明一种基于单调邻域均值的大坝混凝土浇筑光纤测温数据重采样方法，通过采取预视期内、单调邻域内简化而边缘均化的处理手段，解决了当前海量光纤测温数据访问效率低的问题；同时，保留大坝混凝土真实温度变化过程特征，确保工程施工人员快速掌握混凝土内部温度分布，具有重要的工程应用价值和施工指导意义。
附图说明
图1为本发明的光纤测温数据、预视期以及最近峰值概念的示意图；
图2为实施例中主要变量关系示意图。
具体实施方式
目前采用的大坝混凝土浇筑的光纤测温系统，一般一根光纤4～6km，包括数千个测点。测点的温度一般两个小时采集、解算一次。那么，对于每个光纤测点而言，每两个小时会产生一个温度数据。由于大坝施工过程长、测点多，会产生海量的数据，需要一种快速、保真的温度过程数据重采样算法。为了展开大坝混凝土浇筑光纤测温数据重采样算法的说明，首先定义一些技术术语。
预视期：对于时序数据，重采样的时间范围是其重采样方法的重要特征，预视期即为待重采样数据的时间范围，预视期越长，得到的曲线均化的越多，特征丢失越严重。显然选择合适的预视期，对于大坝混凝土施工温度过程数据的重采样是十分重要的。
最近峰值：在预视期内，温度过程数据必然有最大值和最小值，满足温度趋势特征规则识别规则的最值，在本发明中称为最近峰值。
单调邻域：在当前时间到最近峰值出现的邻域时段内，认为温度过程尽管有波动，但是总体趋势是单调的。因此，定义该时段称为当前时间后的单调邻域；此时段内的温度均值，称为邻域均值。
所述原温度过程为：光纤测温系统获得的测点、时间、温度的三元关系原始数据，测点对应空间位置，故光纤测温数据是空间位置、时间、温度的三元关系，原温度过程数据即为通过光纤测温系统获得的特定空间位置的温度随着时间变化的原始过程。
所述目标温度过程为：数据重采样后获得的测点、时间、温度的三元关系。目标温度最大限度地保留了每个光纤测点测得的温度变化过程特征，但由于数据量大大削减，提高了光纤测温数据的访问效率。
所述当前时间温度为：当前时刻点对应的温度值。
基于单调邻域均值的大坝混凝土浇筑光纤测温数据重采样方法，包括以下步骤：
步骤1：设定预视期长度，从大量光纤测温数据中，读取某个光纤测点的温度过程数据；
步骤2：将处理指针指向温度过程的起点，记录此时的温度和时间，作为一条重采样数据Si；
步骤3：求取预视期范围内，温度过程的最高温度和最低温度；
步骤4：如果最高温度比当前时间温度还低，则取最低温度为最近峰值；如果最低温度比当前时间温度还高，则取最高温度为最近峰值；否则，取最高温度和最低温度二者中离当前时间最近者，作为最近峰值；
步骤5：求取预视期范围内最近峰值对应的时间点，并求取从当前时间到最近峰值时段内的温度均值，作为邻域均值；
步骤6：将最近峰值对应的时间及邻域均值，作为下一条重采样数据Si+1；
步骤7：移动处理指针到最近峰值对应的时间，重复上述步骤2～步骤6，直到整个温度变化过程数据处理完毕。
所述步骤1具体包括：从大量的光纤测温数据中，筛选得到某个光纤测点对应的温度过程数据，光纤测温数据包括测点、时间、温度的三元关系，测点对应空间位置，故光纤测温数据包括空间位置、时间、温度的三元关系，所述温度过程数据即为特定空间位置的温度随着时间变化的过程。
所述步骤2具体包括：处理指针是当前处理的时间点的标志，由于该步骤目标是为了温度过程数据的重采样，故目标温度过程与原温度过程的数据结构一样，也是测点、时间、温度的三元关系，记录此时的温度和时间，就是目标温度过程的第一个点。
所述步骤3具体包括：预视期范围是重采样的区间长度以及重采样处理精度的表征，预视期范围在算法初始化的时候设置；
峰值是温度变化过程的特征表征，因此在预视期范围内，寻找最近峰值，认为该时段表达了此段温度上升或下降的趋势和幅度。
所述步骤4具体包括：通过比较当前时间温度、最高温度和最低温度的数值及时间关系，采用对比分析的方法判断温度关系并按照要求选取最近峰值。
所述步骤5具体包括：为了取得从当前时间到最近峰值时段内的温度综合特征，计算该时段内的温度均值，作为最近峰值时的重采样温度。
所述步骤6具体包括：最近峰值时间点及此时的温度均值，作为该测点处的温度重采样结果保存。
所述步骤7具体包括：对每个时段应用步骤2～步骤6，并记录测点、时间、温度均值，即可得到温度过程重采样后的温度过程数据；由于测温过程存在一定的随机性，因此，原温度过程是等时段的，而重采样后的温度过程时段是不定的。
实施例：
S1：根据混凝土水化温度变化过程特征，选定预视期为1天。从光纤测温数据库中，利用光纤测点DTS19005-02，提取该测点的温度过程数据，如表1所示。
表1测点DTS19005-02的原始温度过程部分数据表
时间 温度(℃) 时间 温度(℃)
2017/9/9 0:35 23.201 2017/9/10 0:35 22.343
2017/9/9 2:35 22.880 2017/9/10 2:35 22.805
2017/9/9 4:35 22.675 2017/9/10 4:35 22.785
2017/9/9 6:35 22.031 2017/9/10 6:35 23.427
2017/9/9 8:35 22.956 2017/9/10 8:35 22.712
2017/9/9 10:35 23.232 2017/9/10 10:35 23.164
2017/9/9 12:35 22.920 2017/9/10 12:35 22.688
2017/9/9 14:35 22.904 2017/9/10 14:35 22.803
2017/9/9 16:35 22.974 2017/9/10 16:35 22.444
2017/9/9 18:35 23.348 2017/9/10 18:35 22.636
2017/9/9 20:35 22.352 2017/9/10 0:35 22.343
2017/9/9 22:35 22.923 2017/9/10 2:35 22.805
S2：将处理指针指向温度过程的起点，即：2017/9/9 0:35时温度为23.201。
S3：预视期为1天，求取从2017/9/9 0:35到2017/9/10 0:35时段内的最高温度和最低温度。根据表1数据可知，在1天的预视期范围内最低温度出现在2017/9/9 6:35，温度为22.031℃；最高温度出现在2017/9/9 18:35，温度为23.348℃。
S4：当前温度23.201>最低温度22.031；当前温度23.201<最高温度23.348。取最靠近当前时间的极值温度，即最低温度22.031，为最近峰值。
S5：最近峰值对应的时间为2017/9/9 6:35，邻域均值22.414。
S6：记录最近峰值时间和邻域均值，作为重采样记录。
S7：将处理指针指向最近峰值时间点：2017/9/9 6:35，重复上述S2～S5；直到整个温度过程数据处理完毕，可以得到如表2所示的重采样数据。
表2测点DTS19005-02的重采样温度过程部分数据表
时间 温度(℃)
2017/9/9 0:35 23.201
2017/9/9 6:35 22.414
2017/9/9 18:35 22.964
2017/9/10 0:35 22.645
2017/9/10 6:35 22.916
2017/9/10 16:35 22.788

Claims (8)

1.基于单调邻域均值的大坝混凝土浇筑光纤测温数据重采样方法，其特征在于包括以下步骤：
步骤1：设定预视期长度，从大量光纤测温数据中，读取某个光纤测点的温度过程数据；
步骤2：将处理指针指向温度过程的起点，记录此时的温度和时间，作为当前温度和当前时间，并作为一条重采样数据S i ；
步骤3：求取预视期范围内，温度过程的最高温度和最低温度；
步骤4：如果最高温度比当前时间温度还低，则取最低温度为最近峰值；如果最低温度比当前时间温度还高，则取最高温度为最近峰值；否则，取最高温度和最低温度二者中离当前时间最近者，作为最近峰值；
步骤5：求取预视期范围内最近峰值对应的时间点，并求取从当前温度到最近峰值时段内的温度均值，作为邻域均值；
步骤6：将最近峰值对应的时间及邻域均值，作为下一条重采样数据S i+1；
步骤7：移动处理指针到最近峰值对应的时间，重复上述步骤2～步骤6，直到整个温度变化过程数据处理完毕。
2.根据权利要求1所述基于单调邻域均值的大坝混凝土浇筑光纤测温数据重采样方法，其特征在于：所述步骤1中，从大量的光纤测温数据中，筛选得到某个光纤测点对应的温度过程数据，光纤测温数据是测点、时间、温度的三元关系，测点对应空间位置，故光纤测温数据是空间位置、时间、温度的三元关系，所述温度过程数据即为特定空间位置的温度随着时间变化的过程。
3.根据权利要求1所述基于单调邻域均值的大坝混凝土浇筑光纤测温数据重采样方法，其特征在于：所述步骤2中，处理指针是当前处理的时间点的标志，由于该方法的目标是进行温度过程数据的重采样，故目标温度过程与原温度过程的数据结构一样，也是测点、时间、温度的三元关系，记录此时的温度和时间，就是目标温度过程的第一个点。
4.根据权利要求1所述基于单调邻域均值的大坝混凝土浇筑光纤测温数据重采样方法，其特征在于：所述步骤3中，预视期范围是重采样的区间长度以及重采样处理精度的表征，预视期范围在算法初始化的时候设置；
峰值是温度变化过程的特征表征，因此在预视期范围内，寻找最近峰值，认为该时段表达了此段温度上升或下降的趋势和幅度。
5.根据权利要求1所述基于单调邻域均值的大坝混凝土浇筑光纤测温数据重采样方法，其特征在于：所述步骤4中，通过比较当前时间温度、最高温度和最低温度的数值及时间关系，采用对比分析的方法判断温度关系并按照要求选取最近峰值。
6.根据权利要求1所述基于单调邻域均值的大坝混凝土浇筑光纤测温数据重采样方法，其特征在于：所述步骤5中，为了取得从当前时间到最近峰值时段内的温度综合特征，计算该时段内的温度均值，作为最近峰值时的重采样温度。
7.根据权利要求1所述基于单调邻域均值的大坝混凝土浇筑光纤测温数据重采样方法，其特征在于：所述步骤6中，最近峰值时间点及此时的温度均值，作为该测点处的温度重采样结果保存。
8.根据权利要求1所述基于单调邻域均值的大坝混凝土浇筑光纤测温数据重采样方法，其特征在于：所述步骤7中，对每个时段应用步骤2～步骤6，并记录测点、时间、温度均值，即可得到温度过程重采样后的温度过程数据；由于测温过程存在一定的随机性，因此，原温度过程是等时段的，而重采样后的温度过程时段是不定的。
CN202010922651.1A 2020-09-04 2020-09-04 基于单调邻域均值的大坝混凝土浇筑光纤测温数据重采样方法 Active CN112129425B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010922651.1A CN112129425B (zh) 2020-09-04 2020-09-04 基于单调邻域均值的大坝混凝土浇筑光纤测温数据重采样方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010922651.1A CN112129425B (zh) 2020-09-04 2020-09-04 基于单调邻域均值的大坝混凝土浇筑光纤测温数据重采样方法

Publications (2)

Publication Number Publication Date
CN112129425A true CN112129425A (zh) 2020-12-25
CN112129425B CN112129425B (zh) 2022-04-08

Family

ID=73847269

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010922651.1A Active CN112129425B (zh) 2020-09-04 2020-09-04 基于单调邻域均值的大坝混凝土浇筑光纤测温数据重采样方法

Country Status (1)

Country Link
CN (1) CN112129425B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3501830A1 (de) * 1984-01-20 1985-07-25 Ricoh Co., Ltd., Tokio/Tokyo Verfahren zum uebertragen eines halbtonbildes
EP0822538A1 (en) * 1996-07-30 1998-02-04 Atr Human Information Processing Research Laboratories Method of transforming periodic signal using smoothed spectrogram, method of transforming sound using phasing component and method of analyzing signal using optimum interpolation function
US20110019178A1 (en) * 2009-07-22 2011-01-27 Christos Vlatas Method for post processing fiber optic strain measurement data
CN102609470A (zh) * 2012-01-16 2012-07-25 华南师范大学 一种基于区间平均值的模糊粗糙单调数据挖掘方法
US20150091738A1 (en) * 2013-10-02 2015-04-02 Hannes Wedemeyer Method of Data Volume Reduction for Transmission on a Limited Communications Channel
US20170105141A1 (en) * 2015-10-08 2017-04-13 Le Holdings (Beijing) Co., Ltd. Method for shortening a delay in real-time voice communication and electronic device
CN107528590A (zh) * 2016-06-22 2017-12-29 中芯国际集成电路制造（天津）有限公司 数模转换器的建立时间测试方法及系统
CN109785983A (zh) * 2019-01-30 2019-05-21 清华大学 单向过球信号的检测方法及系统
CN110455436A (zh) * 2019-09-03 2019-11-15 国网河北能源技术服务有限公司 一种基于分布式光纤测温的数据处理方法及装置
KR20190132165A (ko) * 2018-05-19 2019-11-27 이근량 이동 평균 측정 방법을 추가한 광섬유 분포 온도측정 장치
US20200064444A1 (en) * 2015-07-17 2020-02-27 Origin Wireless, Inc. Method, apparatus, and system for human identification based on human radio biometric information

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3501830A1 (de) * 1984-01-20 1985-07-25 Ricoh Co., Ltd., Tokio/Tokyo Verfahren zum uebertragen eines halbtonbildes
EP0822538A1 (en) * 1996-07-30 1998-02-04 Atr Human Information Processing Research Laboratories Method of transforming periodic signal using smoothed spectrogram, method of transforming sound using phasing component and method of analyzing signal using optimum interpolation function
US20110019178A1 (en) * 2009-07-22 2011-01-27 Christos Vlatas Method for post processing fiber optic strain measurement data
CN102609470A (zh) * 2012-01-16 2012-07-25 华南师范大学 一种基于区间平均值的模糊粗糙单调数据挖掘方法
US20150091738A1 (en) * 2013-10-02 2015-04-02 Hannes Wedemeyer Method of Data Volume Reduction for Transmission on a Limited Communications Channel
US20200064444A1 (en) * 2015-07-17 2020-02-27 Origin Wireless, Inc. Method, apparatus, and system for human identification based on human radio biometric information
US20170105141A1 (en) * 2015-10-08 2017-04-13 Le Holdings (Beijing) Co., Ltd. Method for shortening a delay in real-time voice communication and electronic device
CN107528590A (zh) * 2016-06-22 2017-12-29 中芯国际集成电路制造（天津）有限公司 数模转换器的建立时间测试方法及系统
KR20190132165A (ko) * 2018-05-19 2019-11-27 이근량 이동 평균 측정 방법을 추가한 광섬유 분포 온도측정 장치
CN109785983A (zh) * 2019-01-30 2019-05-21 清华大学 单向过球信号的检测方法及系统
CN110455436A (zh) * 2019-09-03 2019-11-15 国网河北能源技术服务有限公司 一种基于分布式光纤测温的数据处理方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张笈玮: "非平稳地震激励下结构峰值响应均值的简便算法", 《第六届全国土木工程研究生学术论坛》 *

Also Published As

Publication number Publication date
CN112129425B (zh) 2022-04-08

Similar Documents

Publication Publication Date Title
CN109727446B (zh) 一种用电数据异常值的识别与处理方法
CN102331377B (zh) 一种评估t/p92钢的蠕变性能的方法
CN112170501B (zh) 一种轧辊磨损凸度和热凸度的预测方法
CN115861011A (zh) 一种基于多源数据融合的智慧城市优化管理方法和系统
JP5707230B2 (ja) プロセスの状態予測方法
CN114818925A (zh) 一种风电场出力数据缺失值填补方法及系统
CN111522808A (zh) 一种风电机组异常运行数据处理方法
CN112129425B (zh) 基于单调邻域均值的大坝混凝土浇筑光纤测温数据重采样方法
CN115423158A (zh) 一种水轮发电机组数据趋势的预测分析方法及系统
CN115659284A (zh) 一种大数据融合平台
CN115908080A (zh) 一种基于多维数据分析的碳排放优化方法及系统
CN113819932B (zh) 一种基于深度学习和数学拟合的布里渊频移提取方法
CN113822319A (zh) 面向主动配电网的源-荷联合时序场景生成方法和系统
CN108932554B (zh) 一种风电场流场量测点的配置优化方法及装置
US20230324234A1 (en) Method for Locating Abnormal Temperature Event of Distributed Optical Fiber
CN111647698A (zh) 一种高炉炉缸的活跃状态检测方法及装置
CN101458513A (zh) 统计过程控制方法及装置
CN116090216A (zh) 一种基于典型相关分析的发电功率预测方法和系统
CN110020000A (zh) 判定异常风速数据的方法和装置
CN114063150A (zh) 一种基于ml-knn算法的“震源-台站”速度模型选取方法
CN110095204B (zh) 一种乙烯裂解炉管温度诊断系统
CN112016045A (zh) 纳秒级脉冲功率计数据处理方法
CN111076667A (zh) 一种金属表面划痕动态快速测量方法
CN109871649A (zh) 一种Norton-Bailey模型参数标定方法及系统
CN110119567B (zh) 一种齿轮齿面质量的热力图表示方法

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