CN112329258B - 试验箱部件老化判断方法、装置、电子设备和存储介质 - Google Patents
试验箱部件老化判断方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN112329258B CN112329258B CN202011321847.1A CN202011321847A CN112329258B CN 112329258 B CN112329258 B CN 112329258B CN 202011321847 A CN202011321847 A CN 202011321847A CN 112329258 B CN112329258 B CN 112329258B
- Authority
- CN
- China
- Prior art keywords
- target
- test box
- information
- characteristic parameter
- data
- 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
- 238000012360 testing method Methods 0.000 title claims abstract description 242
- 230000032683 aging Effects 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000012216 screening Methods 0.000 claims description 40
- 238000004590 computer program Methods 0.000 claims description 16
- 238000000605 extraction Methods 0.000 claims description 5
- 230000015556 catabolic process Effects 0.000 claims description 3
- 238000006731 degradation reaction Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 description 12
- 230000007613 environmental effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012806 monitoring device Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000020169 heat generation Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/04—Ageing analysis or optimisation against ageing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Abstract
本发明提供了一种试验箱部件老化判断方法、装置、电子设备和存储介质,通过获取目标试验箱的型号信息、位置信息、目标部件的类型和特征参数信息;根据所述目标试验箱的型号信息和位置信息,在试验箱运行数据库中选取邻近地区的多个同型号试验箱的运行数据作为参考数据;提取所述参考数据中与所述目标部件的类型和特征参数信息相对应的数据作为对比数据;根据所述目标部件的特征参数信息与所述对比数据判断所述目标部件的老化程度;其判断结果具有较高的准确性和可信度。
Description
技术领域
本发明涉及环境试验设备技术领域,尤其涉及一种试验箱部件老化判断方法、装置、电子设备和存储介质。
背景技术
用于环境试验的试验箱随着使用时间的增加,其部件会逐渐老化,随着部件的老化,部件的一些特征参数会逐渐变化,例如,随着不断老化,压缩机的制冷量、工作电流、高低压差等特征参数均会逐渐变小;又例如,随着不断老化,电机的效率会逐渐降低、工作电流会逐渐上升、发热量会逐渐提高。目前,判断试验箱的部件是否老化,一般是把测得的特征参数与对应的出厂参数作对比,当测得值与出厂参数之间的差值超出一定范围,则判定该部件严重老化,从而提醒用户进行维护。
然而,出厂参数总是相对理想的,而且只是由生产厂家按照一定的环境条件测量得到,试验箱在不同的气候环境中使用时,其运行时各部件的参数也会不同,如果只是简单地与出厂参数进行对比,容易导致误判,准确性较低。
发明内容
鉴于上述现有技术的不足之处,本申请实施例的目的在于提供一种试验箱部件老化判断方法、装置、电子设备和存储介质,旨在解决现有技术中进行试验箱部件老化判断时仅用部件的特征参数与出厂参数作对比而导致准确性低的问题。
第一方面,本申请实施例提供一种试验箱部件老化判断方法,包括步骤:
A1.获取目标试验箱的型号信息、位置信息、目标部件的类型和特征参数信息;
A2.根据所述目标试验箱的型号信息和位置信息,在试验箱运行数据库中选取邻近地区的多个同型号试验箱的运行数据作为参考数据;
A3.提取所述参考数据中与所述目标部件的类型和特征参数信息相对应的数据作为对比数据;
A4.根据所述目标部件的特征参数信息与所述对比数据判断所述目标部件的老化程度。
所述的试验箱部件老化判断方法中,所述特征参数信息为当前时刻之前的预设时间段内的特征参数平均值。
所述的试验箱部件老化判断方法中,所述运行数据包括试验箱的型号信息和位置信息;
步骤A2包括:
A201.根据所述目标试验箱的型号信息在试验箱运行数据库中筛选出同型号试验箱的运行数据;
A202.根据筛选出的运行数据中的位置信息,计算各筛选出的试验箱与所述目标试验箱的距离;
A203.选取所述距离小于预设距离阈值的试验箱的运行数据作为参考数据。
进一步的,若步骤A203中选取的参考数据的数量少于预设的数量阈值,则在所述预设距离阈值的基础上逐次增加预设的固定距离值得到新的距离阈值,并根据所述新的距离阈值重新选取参考数据,直到参考数据的数量不少于预设的数量阈值。
所述的试验箱部件老化判断方法中,所述对比数据包括不同使用时间对应的特征参数值以及目标部件的使用寿命信息;
步骤A4包括:
A401.根据步骤A1获取的特征参数信息分别在各对比数据中查询对应的使用时间,得到多个使用时间值;
A402.根据所述多个使用时间值与对应对比数据中的使用寿命信息,计算得到多个第一剩余寿命值;
A403.根据所述多个第一剩余寿命值计算所述目标试验箱的目标部件的第二剩余寿命值;
A404.根据所述第二剩余寿命值判断所述目标试验箱的目标部件的老化程度。
一些实施方式中,步骤A403中,计算所述多个第一剩余寿命值的平均值作为所述目标试验箱的目标部件的第二剩余寿命值。
另一些实施方式中,步骤A403中,计算所述多个第一剩余寿命值的加权平均值作为所述目标试验箱的目标部件的第二剩余寿命值,其中,步骤A2中选取的试验箱离所述目标试验箱越远,其对应的第一剩余寿命值的权值越小。
第二方面,本申请实施例提供一种试验箱部件老化预测装置,包括:
获取模块,用于获取目标试验箱的型号信息、位置信息、目标部件的类型和特征参数信息;
筛选模块,用于根据所述目标试验箱的型号信息和位置信息,在试验箱运行数据库中选取邻近地区的多个同型号试验箱的运行数据作为参考数据;
提取模块,用于提取所述参考数据中与所述目标部件的类型和特征参数信息相对应的数据作为对比数据;
判断模块,用于根据所述目标部件的特征参数信息与所述对比数据判断所述目标部件的老化程度。
第三方面,本申请实施例提供一种电子设备,包括处理器和存储器,所述存储器中存储有计算机程序,所述处理器通过调用所述存储器中存储的所述计算机程序,用于执行所述的试验箱部件老化判断方法的步骤。
第四方面,本申请实施例提供一种存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时运行所述的试验箱部件老化判断方法的步骤。
有益效果:
本申请实施例提供的一种试验箱部件老化判断方法、装置、电子设备和存储介质,通过获取目标试验箱的型号信息、位置信息、目标部件的类型和特征参数信息;根据所述目标试验箱的型号信息和位置信息,在试验箱运行数据库中选取邻近地区的多个同型号试验箱的运行数据作为参考数据;提取所述参考数据中与所述目标部件的类型和特征参数信息相对应的数据作为对比数据;根据所述目标部件的特征参数信息与所述对比数据判断所述目标部件的老化程度;从而避免了现有技术中进行试验箱部件老化判断时仅用部件的特征参数与出厂参数作对比而导致准确性低的问题,其判断结果具有较高的准确性和可信度。
附图说明
图1为本申请实施例提供的试验箱部件老化判断方法的流程图。
图2为本申请实施例提供的试验箱部件老化判断装置的模块图。
图3为本申请实施例提供的电子设备的结构示意图。
图4为示例性的筛选区划分示意图。
具体实施方式
下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
请参阅图1,本申请实施例提供一种试验箱部件老化判断方法,可应用于试验箱的监测装置,该监测装置可以是云服务器或者当地的监测装置,包括步骤:
A1.获取目标试验箱的型号信息、位置信息、目标部件的类型和特征参数信息;
A2.根据目标试验箱的型号信息和位置信息,在试验箱运行数据库中选取邻近地区的多个同型号试验箱的运行数据作为参考数据;
A3.提取参考数据中与目标部件的类型和特征参数信息相对应的数据作为对比数据;
A4.根据目标部件的特征参数信息与对比数据判断目标部件的老化程度。
其中,试验箱可以但不限于是温度试验箱、湿度试验箱、温湿度试验箱、盐雾试验箱、沙尘试验箱、老化试验箱等环境试验箱。
其中,目标试验箱是指需要进行部件老化程度判断的试验箱;目标部件是指需要进行老化程度判断的部件,例如压缩机、电机等,但不限于此。
其中,特征参数是指用于衡量目标部件老化程度的参数,例如,压缩机的特征参数可以是制冷量、工作电流或高低压差,电机特征参数可以是效率、工作电流或发热量。
其中,试验箱运行数据库是通过互联网从社会上已在使用的试验箱处采集运行数据而形成的(该试验箱运行数据库可采用NoSQL数据库),在现今工业互联网发展迅速的情况下,实现试验箱运行数据已变得非常简单,为数据共享的实现提供了条件,基于对社会上大量已在使用的试验箱的运行数据的收集可得到足够大的数据库。
其中,试验箱的运行数据包括试验箱的型号信息、位置信息、被监测部件信息,以及各被检测部件的使用寿命信息、特征参数信息和对应的使用时间信息(使用时间信息是指被检测部件投入使用以来的积累的使用时间的信息)。一般地,特征参数信息为一系列的特征参数离散值,使用时间信息为对应的时间离散值,每个特征参数值对应一个使用时间值。特征参数信息和使用时间信息反映了部件的特征参数随使用时间的变化情况。
其中,邻近地区是指以目标试验箱的位置为中心,以设定的距离阈值为半径的区域。用邻近地区的同型号试验箱的运行数据作为参考数据,由于地域相近,气候条件相似,与直接利用出厂数据做参考的方式相比,老化程度的判断结果更加准确,可信度更高。
在步骤A1中,获取的特征参数信息可以是当前时刻的瞬时值,也可以是当前时刻之前的预设时间段内的特征参数平均值。其中,优选为以后一种方式,由于特征参数的测量是有一定随机误差的,若只采用瞬时值,会导致最终的判断结果准确性较低,而采用平均值,能够更真实的反映特征参数的当前情况,从而提高最终的判断结果准确性。一般地,对特征参数进行测量时,是以一定采样频率进行采样的,得到的是一系列的离散值,在计算平均值时,可用预设时间段内采集到的所有特征参数值之和除以预设时间段内采集到特征参数值的数量。
如上所述,运行数据包括试验箱的型号信息和位置信息;
从而,步骤A2包括:
A201.根据目标试验箱的型号信息在试验箱运行数据库中筛选出同型号试验箱的运行数据;
A202.根据筛选出的运行数据中的位置信息,计算各筛选出的试验箱与目标试验箱的距离;
A203.选取该距离(与目标试验箱的距离)小于预设距离阈值的试验箱的运行数据作为参考数据。
例如,假设试验箱运行数据库中记录有M个试验箱的运行数据,其中与目标试验箱型号相同的试验箱的数量为N个,则步骤A201中把这N个试验箱的运行数据筛选出来,若该N个试验箱中,有L个试验箱离目标试验箱的距离小于预设距离阈值,则步骤A203中选取这L个试验箱的运行数据作为参考数据。其中,预设距离阈值可根据实际需要进行设置,例如20km。
有时候,在某个地区已在使用的同一型号试验箱的数量较少,因此在A203中选取得到的参考数据较少,从而使参考价值较低。
为此,在一些实施方式中,若步骤A203中选取的参考数据的数量(即符合要求的试验箱的数量)少于预设的数量阈值,则在预设距离阈值的基础上逐次增加预设的固定距离值得到新的距离阈值,并根据新的距离阈值重新选取参考数据,直到参考数据的数量不少于预设的数量阈值。
例如,假设预设距离阈值为R0,预设的固定距离值为△R,预设的数量阈值为K,若步骤A203中选取的参考数据的数量小于K,则以R1=R0+△R作为新的距离阈值,然后重新选取与目标试验箱的距离小于R1的试验箱的运行数据作为参考数据,若选取得到的参考数据的数量依然小于K,则再以R2=R0+2*△R作为新的距离阈值,然后重新选取与目标试验箱的距离小于R2的试验箱的运行数据作为参考数据,以此类推,直到以Ri=R0+i*△R作为新的距离阈值时选取的参考数据不小于K为止,其中i表示第i次增加预设的固定距离值。
此过程相当于依次用越来越大的邻近地区来进行参考数据的筛选,直到筛选到的参考数据的数量足够,此处,可以把半径为R0的邻近地区称为第1邻近地区,把半径为R1的邻近地区称为第2邻近地区,以此类推,把半径为Ri的邻近地区称为第i+1邻近地区。进而,可把第1邻近地区的边界所包围的区域称为第1筛选区S1,把第2邻近地区的边界与第1邻近地区的边界之间的区域称为第2筛选区S2,以此类推,把第i+1邻近地区与第i邻近地区的边界之间的区域称为第i筛选区Si,如图4所示。
如上所述,运行数据包括各被检测部件的使用寿命信息、特征参数信息和对应的使用时间信息;因此,步骤A3包括:
A301.根据目标部件的类型,在各参考数据中提取对应部件的特征参数信息作为候选对比数据;
A302.根据步骤A1中获取的特征参数信息,在各候选对比数据中提取与该特征参数信息类型对应的数据作为对比数据。
例如,步骤A1中获取的是电机的工作电流(即目标部件为电机,特征参数信息类型为工作电流),则先在各参考数据中提取电机的所有特征参数信息作为候选对比数据,然后在各候选对比数据中提取工作电流数据作为对比数据。
如前所述运行数据包括各被检测部件的使用寿命信息、特征参数信息和对应的使用时间信息;因此选出的对比数据也是包括不同使用时间对应的特征参数值以及目标部件的使用寿命信息;
从而,步骤A4包括:
A401.根据步骤A1获取的特征参数信息分别在各对比数据中查询对应的使用时间,得到多个使用时间值;
A402.根据多个使用时间值与对应对比数据中的使用寿命信息,计算得到多个第一剩余寿命值;
A403.根据多个第一剩余寿命值计算目标试验箱的目标部件的第二剩余寿命值;
A404.根据第二剩余寿命值判断目标试验箱的目标部件的老化程度。
一般地,由于对比数据中是包括一系列特征参数的离散值和对应的使用时间的离散值,因此,在步骤A401中,可对各对比数据中的特征参数进行拟合,得到特征参数与使用时间的关系式,然后把步骤A1获取的特征参数信息的特征参数值代入关系式中计算得到对应的使用时间值。在步骤A402中,用各对比数据中的使用寿命减去该使用时间值就得到对应的第一剩余寿命值。
在一些实施方式中,步骤A403中,计算多个第一剩余寿命值的平均值作为目标试验箱的目标部件的第二剩余寿命值。
用公式表达如下:
其中,为第二剩余寿命值,/>为第i个第一剩余寿命值,n为第一剩余寿命值的总数量。
在另一些实施方式中,步骤A403中,计算多个第一剩余寿命值的加权平均值作为目标试验箱的目标部件的第二剩余寿命值,其中,步骤A2中选取的试验箱离目标试验箱越远,其对应的第一剩余寿命值的权值越小。
由于距离目标试验箱越远的地方,其气候环境与目标试验箱所处位置的气候环境相差越多,则其参考作用越弱,因此,通过加权来调节各第一剩余寿命值的影响大小,从而求得的第二剩余寿命值的准确性更高,可信度更高。
其中,第一种计算方法为:根据选取的试验箱与目标试验箱的实际距离计算对应第一剩余寿命值的权值,例如,把最接近目标试验箱的试验箱对应的第一剩余寿命值的权值设置为第一预设权值a1,其它试验箱对应的第一剩余寿命值的权值用以下公式计算:
ai=a1*L1/Li
其中,ai为第i个试验箱对应的第一剩余寿命值的权值,Li为第i个试验箱与目标试验箱的距离,L1为第1个试验箱(即最接近目标试验箱的试验箱)与目标试验箱的距离;
从而第二剩余寿命值的计算公式如下:
其中,为第二剩余寿命值,/>为第i个第一剩余寿命值,n为第一剩余寿命值的总数量。
第二种计算方法为:用选取的试验箱所处的筛选区来决定对应第一剩余寿命值的权值,处于同一筛选区的第一剩余寿命值的权值相同,把第1筛选区的试验箱对应的第一剩余寿命值的权值设置为第二预设权值b1,把最后一个筛选区的试验箱对应的第一剩余寿命值的权值设置为第三预设权值bm,其它筛选区的试验箱对应的第一剩余寿命值的权值用以下公式计算:
bi=b1-(b1-bm)/(m-1)*i
其中,bi为第i个筛选区的试验箱对应的第一剩余寿命值的权值,m为筛选区的总数量;
从而第二剩余寿命值的计算公式如下:
其中,为第二剩余寿命值,ni是第i筛选区的试验箱的总数,/>为第i筛选区的第j个第一剩余寿命值。
一般地,当步骤A2选取的参考数据的数量较少时,比较适合采用第一种计算方法进行加权平均值的计算,当步骤A2选取的参考数据的数量较多时,比较适合采用第二种计算方法进行加权平均值的计算。
需要说明的是,步骤A1中,获取的目标部件的特征参数信息可以是一项也可以是多项,若获取的特征参数信息为多项,则可分别根据各项特征参数信息获取对应的第二剩余寿命值,然后用多个第二剩余寿命值的平均值或加权平均值作为最终的第二剩余寿命值,当使用加权平均值作为最终的第二剩余寿命值时,可根据各特征参数的影响大小预先设置各特征参数的第二剩余寿命值的权值。
在一些实施方式中,在步骤A404中,用得到的第二剩余寿命值与预设的第一剩余寿命阈值进行比较,若第二剩余寿命值小于预设的第一剩余寿命阈值,则判定目标部件严重老化。
若第二剩余寿命值不小于第一剩余寿命阈值,则还可以用得到的第二剩余寿命值与预设的第二剩余寿命阈值(第二剩余寿命阈值大于第一剩余寿命阈值)进行比较,若第二剩余寿命值小于预设的第二剩余寿命阈值,则判定目标部件中度老化。
在一些优选实施方式中,步骤A4之后,还包括步骤:
A5.若判断目标部件严重老化,则发出提示信息。
通过发送提示信息,以提醒用户该目标部件使用寿命将尽,以便用户及时采取应对措施。
由上可知,该试验箱部件老化判断方法,通过获取目标试验箱的型号信息、位置信息、目标部件的类型和特征参数信息;根据所述目标试验箱的型号信息和位置信息,在试验箱运行数据库中选取邻近地区的多个同型号试验箱的运行数据作为参考数据;提取所述参考数据中与所述目标部件的类型和特征参数信息相对应的数据作为对比数据;根据所述目标部件的特征参数信息与所述对比数据判断所述目标部件的老化程度;从而避免了现有技术中进行试验箱部件老化判断时仅用部件的特征参数与出厂参数作对比而导致准确性低的问题,其判断结果具有较高的准确性和可信度。
请参阅图2,本申请实施例还提供一种试验箱部件老化预测装置,包括获取模块1、筛选模块2、提取模块3、判断模块4;
其中,获取模块1,用于获取目标试验箱的型号信息、位置信息、目标部件的类型和特征参数信息;
其中,筛选模块2,用于根据目标试验箱的型号信息和位置信息,在试验箱运行数据库中选取邻近地区的多个同型号试验箱的运行数据作为参考数据;
其中,提取模块3,用于提取参考数据中与目标部件的类型和特征参数信息相对应的数据作为对比数据;
其中,判断模块4,用于根据目标部件的特征参数信息与对比数据判断目标部件的老化程度。
其中,目标试验箱是指需要进行部件老化程度判断的试验箱;目标部件是指需要进行老化程度判断的部件,例如压缩机、电机等,但不限于此。
其中,特征参数是指用于衡量目标部件老化程度的参数,例如,压缩机的特征参数可以是制冷量、工作电流或高低压差,电机特征参数可以是效率、工作电流或发热量。
其中,试验箱运行数据库是通过互联网从社会上已在使用的试验箱处采集运行数据而形成的(该试验箱运行数据库可采用NoSQL数据库),在现今工业互联网发展迅速的情况下,实现试验箱运行数据已变得非常简单,为数据共享的实现提供了条件,基于对社会上大量已在使用的试验箱的运行数据的收集可得到足够大的数据库。
其中,试验箱的运行数据包括试验箱的型号信息、位置信息、被监测部件信息,以及各被检测部件的使用寿命信息、特征参数信息和对应的使用时间信息(使用时间信息是指被检测部件投入使用以来的积累的使用时间的信息)。一般地,特征参数信息为一系列的特征参数离散值,使用时间信息为对应的时间离散值,每个特征参数值对应一个使用时间值。特征参数信息和使用时间信息反映了部件的特征参数随使用时间的变化情况。
其中,邻近地区是指以目标试验箱的位置为中心,以设定的距离阈值为半径的区域。用邻近地区的同型号试验箱的运行数据作为参考数据,由于地域相近,气候条件相似,与直接利用出厂数据做参考的方式相比,老化程度的判断结果更加准确,可信度更高。
获取模块1获取的特征参数信息可以是当前时刻的瞬时值,也可以是当前时刻之前的预设时间段内的特征参数平均值。其中,优选为以后一种方式。
如上所述,运行数据包括试验箱的型号信息和位置信息;
从而,筛选模块2根据目标试验箱的型号信息和位置信息,在试验箱运行数据库中选取邻近地区的多个同型号试验箱的运行数据作为参考数据时,
根据目标试验箱的型号信息在试验箱运行数据库中筛选出同型号试验箱的运行数据;
根据筛选出的运行数据中的位置信息,计算各筛选出的试验箱与目标试验箱的距离;
选取该距离(与目标试验箱的距离)小于预设距离阈值的试验箱的运行数据作为参考数据。
有时候,在某个地区已在使用的同一型号试验箱的数量较少,因此选取得到的参考数据较少,从而使参考价值较低。
为此,在一些实施方式中,若选取的参考数据的数量(即符合要求的试验箱的数量)少于预设的数量阈值,则在预设距离阈值的基础上逐次增加预设的固定距离值得到新的距离阈值,并根据新的距离阈值重新选取参考数据,直到参考数据的数量不少于预设的数量阈值。
例如,假设预设距离阈值为R0,预设的固定距离值为△R,预设的数量阈值为K,若选取的参考数据的数量小于K,则以R1=R0+△R作为新的距离阈值,然后重新选取与目标试验箱的距离小于R1的试验箱的运行数据作为参考数据,若选取得到的参考数据的数量依然小于K,则再以R2=R0+2*△R作为新的距离阈值,然后重新选取与目标试验箱的距离小于R2的试验箱的运行数据作为参考数据,以此类推,直到以Ri=R0+i*△R作为新的距离阈值时选取的参考数据不小于K为止,其中i表示第i次增加预设的固定距离值。
此过程相当于依次用越来越大的邻近地区来进行参考数据的筛选,直到筛选到的参考数据的数量足够,此处,可以把半径为R0的邻近地区称为第1邻近地区,把半径为R1的邻近地区称为第2邻近地区,以此类推,把半径为Ri的邻近地区称为第i+1邻近地区。进而,可把第1邻近地区的边界所包围的区域称为第1筛选区S1,把第2邻近地区的边界与第1邻近地区的边界之间的区域称为第2筛选区S2,以此类推,把第i+1邻近地区与第i邻近地区的边界之间的区域称为第i筛选区Si,如图4所示。
如上所述,运行数据包括各被检测部件的使用寿命信息、特征参数信息和对应的使用时间信息;因此,提取模块3在提取参考数据中与目标部件的类型和特征参数信息相对应的数据作为对比数据时,
根据目标部件的类型,在各参考数据中提取对应部件的特征参数信息作为候选对比数据;
根据获取模块1获取的特征参数信息,在各候选对比数据中提取与该特征参数信息类型对应的数据作为对比数据。
例如,获取模块1获取的是电机的工作电流(即目标部件为电机,特征参数信息类型为工作电流),则先在各参考数据中提取电机的所有特征参数信息作为候选对比数据,然后在各候选对比数据中提取工作电流数据作为对比数据。
如前所述运行数据包括各被检测部件的使用寿命信息、特征参数信息和对应的使用时间信息;因此选出的对比数据也是包括不同使用时间对应的特征参数值以及目标部件的使用寿命信息;
从而,判断模块4在根据目标部件的特征参数信息与对比数据判断目标部件的老化程度时,
根据获取模块1获取的特征参数信息分别在各对比数据中查询对应的使用时间,得到多个使用时间值;
根据多个使用时间值与对应对比数据中的使用寿命信息,计算得到多个第一剩余寿命值;
根据多个第一剩余寿命值计算目标试验箱的目标部件的第二剩余寿命值;
根据第二剩余寿命值判断目标试验箱的目标部件的老化程度。
一般地,由于对比数据中是包括一系列特征参数的离散值和对应的使用时间的离散值,因此,可对各对比数据中的特征参数进行拟合,得到特征参数与使用时间的关系式,然后把获取模块1获取的特征参数信息的特征参数值代入关系式中计算得到对应的使用时间值。再用各对比数据中的使用寿命减去该使用时间值就得到对应的第一剩余寿命值。
在一些实施方式中,判断模块4在计算第二剩余寿命值时,计算多个第一剩余寿命值的平均值作为目标试验箱的目标部件的第二剩余寿命值。
用公式表达如下:
其中,为第二剩余寿命值,/>为第i个第一剩余寿命值,n为第一剩余寿命值的总数量。
在另一些实施方式中,判断模块4在计算第二剩余寿命值时,计算多个第一剩余寿命值的加权平均值作为目标试验箱的目标部件的第二剩余寿命值,其中,筛选模块2选取的试验箱离目标试验箱越远,其对应的第一剩余寿命值的权值越小。
其中,第一种计算方法为:根据选取的试验箱与目标试验箱的实际距离计算对应第一剩余寿命值的权值,例如,把最接近目标试验箱的试验箱对应的第一剩余寿命值的权值设置为第一预设权值a1,其它试验箱对应的第一剩余寿命值的权值用以下公式计算:
ai=a1*L1/Li
其中,ai为第i个试验箱对应的第一剩余寿命值的权值,Li为第i个试验箱与目标试验箱的距离,L1为第1个试验箱(即最接近目标试验箱的试验箱)与目标试验箱的距离;
从而第二剩余寿命值的计算公式如下:
其中,为第二剩余寿命值,/>为第i个第一剩余寿命值,n为第一剩余寿命值的总数量。
第二种计算方法为:用选取的试验箱所处的筛选区来决定对应第一剩余寿命值的权值,处于同一筛选区的第一剩余寿命值的权值相同,把第1筛选区的试验箱对应的第一剩余寿命值的权值设置为第二预设权值b1,把最后一个筛选区的试验箱对应的第一剩余寿命值的权值设置为第三预设权值bm,其它筛选区的试验箱对应的第一剩余寿命值的权值用以下公式计算:
bi=b1-(b1-bm)/(m-1)*i
其中,bi为第i个筛选区的试验箱对应的第一剩余寿命值的权值,m为筛选区的总数量;
从而第二剩余寿命值的计算公式如下:
其中,为第二剩余寿命值,ni是第i筛选区的试验箱的总数,/>为第i筛选区的第j个第一剩余寿命值。
一般地,当筛选模块2选取的参考数据的数量较少时,比较适合采用第一种计算方法进行加权平均值的计算,当筛选模块2选取的参考数据的数量较多时,比较适合采用第二种计算方法进行加权平均值的计算。
需要说明的是,获取模块1获取的目标部件的特征参数信息可以是一项也可以是多项,若获取的特征参数信息为多项,则可分别根据各项特征参数信息获取对应的第二剩余寿命值,然后用多个第二剩余寿命值的平均值或加权平均值作为最终的第二剩余寿命值,当使用加权平均值作为最终的第二剩余寿命值时,可根据各特征参数的影响大小预先设置各特征参数的第二剩余寿命值的权值。
在一些实施方式中,判断模块4在根据第二剩余寿命值判断目标试验箱的目标部件的老化程度时,用得到的第二剩余寿命值与预设的第一剩余寿命阈值进行比较,若第二剩余寿命值小于预设的第一剩余寿命阈值,则判定目标部件严重老化。
若第二剩余寿命值不小于第一剩余寿命阈值,则还可以用得到的第二剩余寿命值与预设的第二剩余寿命阈值(第二剩余寿命阈值大于第一剩余寿命阈值)进行比较,若第二剩余寿命值小于预设的第二剩余寿命阈值,则判定目标部件中度老化。
在一些优选实施方式中,该试验箱部件老化预测装置还包括提示模块;
其中,提示模块用于在判断目标部件严重老化时,发出提示信息。
通过发送提示信息,以提醒用户该目标部件使用寿命将尽,以便用户及时采取应对措施。
由上可知,该试验箱部件老化判断装置,通过获取目标试验箱的型号信息、位置信息、目标部件的类型和特征参数信息;根据所述目标试验箱的型号信息和位置信息,在试验箱运行数据库中选取邻近地区的多个同型号试验箱的运行数据作为参考数据;提取所述参考数据中与所述目标部件的类型和特征参数信息相对应的数据作为对比数据;根据所述目标部件的特征参数信息与所述对比数据判断所述目标部件的老化程度;从而避免了现有技术中进行试验箱部件老化判断时仅用部件的特征参数与出厂参数作对比而导致准确性低的问题,其判断结果具有较高的准确性和可信度。
请参阅图3,本申请实施例还提供一种电子设备100,包括处理器101和存储器102,存储器102中存储有计算机程序,处理器101通过调用存储器102中存储的计算机程序,用于执行上述的试验箱部件老化判断方法的步骤。
其中,处理器101与存储器102电性连接。处理器101是电子设备100的控制中心,利用各种接口和线路连接整个电子设备的各个部分,通过运行或调用存储在存储器102内的计算机程序,以及调用存储在存储器102内的数据,执行电子设备的各种功能和处理数据,从而对电子设备进行整体监控。
存储器102可用于存储计算机程序和数据。存储器102存储的计算机程序中包含有可在处理器中执行的指令。计算机程序可以组成各种功能模块。处理器101通过调用存储在存储器102的计算机程序,从而执行各种功能应用以及数据处理。
在本实施例中,电子设备100中的处理器101会按照如下的步骤,将一个或一个以上的计算机程序的进程对应的指令加载到存储器102中,并由处理器101来运行存储在存储器102中的计算机程序,从而实现各种功能:获取目标试验箱的型号信息、位置信息、目标部件的类型和特征参数信息;根据所述目标试验箱的型号信息和位置信息,在试验箱运行数据库中选取邻近地区的多个同型号试验箱的运行数据作为参考数据;提取所述参考数据中与所述目标部件的类型和特征参数信息相对应的数据作为对比数据;根据所述目标部件的特征参数信息与所述对比数据判断所述目标部件的老化程度。
由上可知,该电子设备,通过获取目标试验箱的型号信息、位置信息、目标部件的类型和特征参数信息;根据所述目标试验箱的型号信息和位置信息,在试验箱运行数据库中选取邻近地区的多个同型号试验箱的运行数据作为参考数据;提取所述参考数据中与所述目标部件的类型和特征参数信息相对应的数据作为对比数据;根据所述目标部件的特征参数信息与所述对比数据判断所述目标部件的老化程度;从而避免了现有技术中进行试验箱部件老化判断时仅用部件的特征参数与出厂参数作对比而导致准确性低的问题,其判断结果具有较高的准确性和可信度。
本申请实施例还提供一种存储介质,其上存储有计算机程序,该计算机程序被处理器执行时运行上述的试验箱部件老化判断方法的步骤,以实现以下功能:获取目标试验箱的型号信息、位置信息、目标部件的类型和特征参数信息;根据所述目标试验箱的型号信息和位置信息,在试验箱运行数据库中选取邻近地区的多个同型号试验箱的运行数据作为参考数据;提取所述参考数据中与所述目标部件的类型和特征参数信息相对应的数据作为对比数据;根据所述目标部件的特征参数信息与所述对比数据判断所述目标部件的老化程度。
其中,存储介质可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(Static Random Access Memory, 简称SRAM),电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory, 简称EEPROM),可擦除可编程只读存储器(Erasable Programmable Read Only Memory, 简称EPROM),可编程只读存储器(Programmable Red-Only Memory, 简称PROM),只读存储器(Read-OnlyMemory, 简称ROM),磁存储器,快闪存储器,磁盘或光盘。
综上所述,虽然本发明已以优选实施例揭露如上,但上述优选实施例并非用以限制本发明,本领域的普通技术人员,在不脱离本发明的精神和范围内,均可作各种更动与润饰,其方案与本发明实质上相同。
Claims (7)
1.一种试验箱部件老化判断方法,其特征在于,包括步骤:
A1.获取目标试验箱的型号信息、位置信息、目标部件的类型和特征参数信息;
A2.根据所述目标试验箱的型号信息和位置信息,在试验箱运行数据库中选取邻近地区的多个同型号试验箱的运行数据作为参考数据;
A3.提取所述参考数据中与所述目标部件的类型和特征参数信息相对应的数据作为对比数据;
A4.根据所述目标部件的特征参数信息与所述对比数据判断所述目标部件的老化程度;
所述对比数据包括不同使用时间对应的特征参数值以及目标部件的使用寿命信息;
步骤A4包括:
A401.根据步骤A1获取的特征参数信息分别在各对比数据中查询对应的使用时间,得到多个使用时间值;
A402.根据所述多个使用时间值与对应对比数据中的使用寿命信息,计算得到多个第一剩余寿命值;
A403.根据所述多个第一剩余寿命值计算所述目标试验箱的目标部件的第二剩余寿命值;
A404.根据所述第二剩余寿命值判断所述目标试验箱的目标部件的老化程度;
步骤A402中,用各对比数据中的使用寿命减去对应的使用时间值得到对应的第一剩余寿命值;
步骤A403中,计算所述多个第一剩余寿命值的平均值作为所述目标试验箱的目标部件的第二剩余寿命值,或者,计算所述多个第一剩余寿命值的加权平均值作为所述目标试验箱的目标部件的第二剩余寿命值,其中,步骤A2中选取的试验箱离所述目标试验箱越远,其对应的第一剩余寿命值的权值越小。
2.根据权利要求1所述的试验箱部件老化判断方法,其特征在于,所述特征参数信息为当前时刻之前的预设时间段内的特征参数平均值。
3.根据权利要求1所述的试验箱部件老化判断方法,其特征在于,所述运行数据包括试验箱的型号信息和位置信息;
步骤A2包括:
A201.根据所述目标试验箱的型号信息在试验箱运行数据库中筛选出同型号试验箱的运行数据;
A202.根据筛选出的运行数据中的位置信息,计算各筛选出的试验箱与所述目标试验箱的距离;
A203.选取所述距离小于预设距离阈值的试验箱的运行数据作为参考数据。
4.根据权利要求3所述的试验箱部件老化判断方法,其特征在于,若步骤A203中选取的参考数据的数量少于预设的数量阈值,则在所述预设距离阈值的基础上逐次增加预设的固定距离值得到新的距离阈值,并根据所述新的距离阈值重新选取参考数据,直到参考数据的数量不少于预设的数量阈值。
5.一种试验箱部件老化预测装置,其特征在于,包括:
获取模块,用于获取目标试验箱的型号信息、位置信息、目标部件的类型和特征参数信息;
筛选模块,用于根据所述目标试验箱的型号信息和位置信息,在试验箱运行数据库中选取邻近地区的多个同型号试验箱的运行数据作为参考数据;
提取模块,用于提取所述参考数据中与所述目标部件的类型和特征参数信息相对应的数据作为对比数据;
判断模块,用于根据所述目标部件的特征参数信息与所述对比数据判断所述目标部件的老化程度;
所述对比数据包括不同使用时间对应的特征参数值以及目标部件的使用寿命信息;
判断模块在根据所述目标部件的特征参数信息与所述对比数据判断所述目标部件的老化程度的时候,执行:
根据获取模块获取的特征参数信息分别在各对比数据中查询对应的使用时间,得到多个使用时间值;
根据多个使用时间值与对应对比数据中的使用寿命信息,计算得到多个第一剩余寿命值;
根据多个第一剩余寿命值计算目标试验箱的目标部件的第二剩余寿命值;
根据第二剩余寿命值判断目标试验箱的目标部件的老化程度;
判断模块在计算第一剩余寿命值时,执行:用各对比数据中的使用寿命减去对应的使用时间值得到对应的第一剩余寿命值;
判断模块在根据多个第一剩余寿命值计算目标试验箱的目标部件的第二剩余寿命值的时候,执行:计算所述多个第一剩余寿命值的平均值作为所述目标试验箱的目标部件的第二剩余寿命值,或者,计算所述多个第一剩余寿命值的加权平均值作为所述目标试验箱的目标部件的第二剩余寿命值,其中,筛选模块选取的试验箱离所述目标试验箱越远,其对应的第一剩余寿命值的权值越小。
6.一种电子设备,其特征在于,包括处理器和存储器,所述存储器中存储有计算机程序,所述处理器通过调用所述存储器中存储的所述计算机程序,用于执行权利要求1-4任一项所述的试验箱部件老化判断方法的步骤。
7.一种存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时运行如权利要求1-4任一项所述的试验箱部件老化判断方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011321847.1A CN112329258B (zh) | 2020-11-23 | 2020-11-23 | 试验箱部件老化判断方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011321847.1A CN112329258B (zh) | 2020-11-23 | 2020-11-23 | 试验箱部件老化判断方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112329258A CN112329258A (zh) | 2021-02-05 |
CN112329258B true CN112329258B (zh) | 2024-02-20 |
Family
ID=74322733
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011321847.1A Active CN112329258B (zh) | 2020-11-23 | 2020-11-23 | 试验箱部件老化判断方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112329258B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102095494A (zh) * | 2010-12-29 | 2011-06-15 | 常州亿晶光电科技有限公司 | 紫外老化试验箱单面扫描式辐照度测试架 |
CN102607860A (zh) * | 2012-02-23 | 2012-07-25 | 中联重科股份有限公司 | 工程机械车辆的故障检测方法、设备和系统 |
CN103207140A (zh) * | 2013-02-07 | 2013-07-17 | 华北电力科学研究院有限责任公司 | 一种导线综合因素老化试验装置 |
CN106289649A (zh) * | 2016-07-22 | 2017-01-04 | 文登蓝岛建筑工程有限公司 | 钢结构楼体及其墙板接线盒处的渗水故障检测方法和装置 |
CN106323847A (zh) * | 2016-07-27 | 2017-01-11 | 东莞市伟煌试验设备有限公司 | 氙灯老化试验机 |
AU2019100273A4 (en) * | 2019-03-15 | 2019-05-02 | Data One Technologies Pty Ltd | BinWin is a modern-day waste collection technology enabling councils and waste management authorities to manage waste effectively. The framework consists of IoT, AI, mobile & web applications integrated to monitor, track, and plan. The bins ensure eco-friendliness by keeping a constant check on fill levels enabling waste collection on a needs basis preventing over-flow, maintaining a hygienic environment using solar self-charging capability. BinWin promises to increase operational efficiencies in the waste collection chain, reducing cost and labour associated with rubbish collection & removal. |
CN109900997A (zh) * | 2019-04-14 | 2019-06-18 | 苏州科技大学 | 一种led老化状态自动检测与寿命评估系统及其方法 |
-
2020
- 2020-11-23 CN CN202011321847.1A patent/CN112329258B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102095494A (zh) * | 2010-12-29 | 2011-06-15 | 常州亿晶光电科技有限公司 | 紫外老化试验箱单面扫描式辐照度测试架 |
CN102607860A (zh) * | 2012-02-23 | 2012-07-25 | 中联重科股份有限公司 | 工程机械车辆的故障检测方法、设备和系统 |
CN103207140A (zh) * | 2013-02-07 | 2013-07-17 | 华北电力科学研究院有限责任公司 | 一种导线综合因素老化试验装置 |
CN106289649A (zh) * | 2016-07-22 | 2017-01-04 | 文登蓝岛建筑工程有限公司 | 钢结构楼体及其墙板接线盒处的渗水故障检测方法和装置 |
CN106323847A (zh) * | 2016-07-27 | 2017-01-11 | 东莞市伟煌试验设备有限公司 | 氙灯老化试验机 |
AU2019100273A4 (en) * | 2019-03-15 | 2019-05-02 | Data One Technologies Pty Ltd | BinWin is a modern-day waste collection technology enabling councils and waste management authorities to manage waste effectively. The framework consists of IoT, AI, mobile & web applications integrated to monitor, track, and plan. The bins ensure eco-friendliness by keeping a constant check on fill levels enabling waste collection on a needs basis preventing over-flow, maintaining a hygienic environment using solar self-charging capability. BinWin promises to increase operational efficiencies in the waste collection chain, reducing cost and labour associated with rubbish collection & removal. |
CN109900997A (zh) * | 2019-04-14 | 2019-06-18 | 苏州科技大学 | 一种led老化状态自动检测与寿命评估系统及其方法 |
Non-Patent Citations (4)
Title |
---|
橡胶的老化与寿命估算(续) 第九章 橡胶的老化试验及老化变质程度的测定;李昂;;橡胶参考资料(04);全文 * |
热轧生产中精除鳞设备简介;李晔涛;刘建波;;重工与起重技术(02);全文 * |
煤矿采掘机械液压系统故障分析及维护;白晋杰;;矿业装备(01);全文 * |
车辆可靠性数据管理与分析系统;王文清, 郑慕侨;北京理工大学学报(03);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112329258A (zh) | 2021-02-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2015292882B2 (en) | Weighing scale diagnostics method | |
CN110362048A (zh) | 风机关键部件状态监测方法及装置、存储介质和终端 | |
CN108956111B (zh) | 一种机械部件的异常状态检测方法及检测系统 | |
CN111104736B (zh) | 基于时间序列的异常数据检测方法、装置、介质和设备 | |
CN102422235B (zh) | 确定等效机械负荷 | |
CN115877363B (zh) | 一种机器人避障评估方法 | |
EP3477409B1 (en) | A computer implemented method, a computer program, and an apparatus for the diagnosis of anomalies in a refrigeration system | |
CN112131797A (zh) | 一种基于应力分析的主轴轴承寿命预测和可靠性评估方法 | |
Movsessian et al. | Feature selection techniques for modelling tower fatigue loads of a wind turbine with neural networks | |
CN112329258B (zh) | 试验箱部件老化判断方法、装置、电子设备和存储介质 | |
CN110956331A (zh) | 数字工厂运营状态预测方法、系统、装置 | |
CN117196353B (zh) | 基于大数据的环境污染评估与监测方法及系统 | |
US11250349B2 (en) | System for generating learning data | |
CN111192163A (zh) | 基于风电机组运行数据的发电机可靠度中短期预测方法 | |
CN114048085B (zh) | 一种磁盘故障分析方法、装置、设备及可读存储介质 | |
CN115345256A (zh) | 应用于智能制造的工业产品测试系统 | |
KR102533572B1 (ko) | 수분 혼입 검출 장치, 수분 혼입 검출 프로그램, 수분 혼입 검출 방법, 및 수분 혼입 검출 시스템 | |
CN116297013B (zh) | 一种液压油粘度波动的监测方法及系统 | |
Boukra et al. | Contribution in Enhancing the Remaining Useful Life Prediction in Abrupt Failures: Bearing Case. | |
CN111527303A (zh) | 用于校准标称频率的方法 | |
CN114626162B (zh) | 一种接触球轴承损耗程度定量识别方法 | |
CN112506784B (zh) | 具备自主学习能力的产品性能评价系统及方法 | |
CN117436712B (zh) | 一种施工挂篮运行风险实时监测方法及系统 | |
CN115959552B (zh) | 扶梯故障的预测方法、装置、设备及介质 | |
CN116990685B (zh) | 一种预退役电机质量评测方法及系统 |
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: 518000, Zone D, 3rd Floor, Building 2, No. 6 Xinrui Road, Huangpu District, Guangzhou City, Guangdong Province Patentee after: Guangzhou Youyi Technology Co.,Ltd. Country or region after: China Address before: Area D, 3 / F, building 2, No.6 Xinrui Road, Huangpu District, Guangzhou City, Guangdong Province 510700 Patentee before: Guangzhou Youyi Technology Co.,Ltd. Country or region before: China |
|
CP03 | Change of name, title or address |