CN113191215A - 融合注意力机制与孪生网络结构的滚动轴承故障诊断方法 - Google Patents
融合注意力机制与孪生网络结构的滚动轴承故障诊断方法 Download PDFInfo
- Publication number
- CN113191215A CN113191215A CN202110391674.9A CN202110391674A CN113191215A CN 113191215 A CN113191215 A CN 113191215A CN 202110391674 A CN202110391674 A CN 202110391674A CN 113191215 A CN113191215 A CN 113191215A
- Authority
- CN
- China
- Prior art keywords
- network
- layer
- fault diagnosis
- time
- long
- 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
- 238000003745 diagnosis Methods 0.000 title claims abstract description 58
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000005096 rolling process Methods 0.000 title claims abstract description 27
- 230000007246 mechanism Effects 0.000 title claims abstract description 17
- 230000015654 memory Effects 0.000 claims abstract description 63
- 238000012549 training Methods 0.000 claims abstract description 39
- 239000002131 composite material Substances 0.000 claims abstract description 31
- 230000006870 function Effects 0.000 claims abstract description 25
- 238000010586 diagram Methods 0.000 claims abstract description 18
- 238000000605 extraction Methods 0.000 claims abstract description 18
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000012360 testing method Methods 0.000 claims abstract description 12
- 230000004927 fusion Effects 0.000 claims abstract description 6
- 239000000284 extract Substances 0.000 claims abstract description 4
- 239000013598 vector Substances 0.000 claims description 46
- 238000011176 pooling Methods 0.000 claims description 9
- 238000005259 measurement Methods 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 150000001875 compounds Chemical class 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 230000007787 long-term memory Effects 0.000 claims 1
- 230000006403 short-term memory Effects 0.000 claims 1
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000003252 repetitive effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
- G01M13/04—Bearings
- G01M13/045—Acoustic or vibration analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/047—Probabilistic or stochastic networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/048—Activation functions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Acoustics & Sound (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
Description
Claims (6)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110391674.9A CN113191215B (zh) | 2021-04-12 | 2021-04-12 | 融合注意力机制与孪生网络结构的滚动轴承故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110391674.9A CN113191215B (zh) | 2021-04-12 | 2021-04-12 | 融合注意力机制与孪生网络结构的滚动轴承故障诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113191215A true CN113191215A (zh) | 2021-07-30 |
CN113191215B CN113191215B (zh) | 2024-02-23 |
Family
ID=76975722
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110391674.9A Active CN113191215B (zh) | 2021-04-12 | 2021-04-12 | 融合注意力机制与孪生网络结构的滚动轴承故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113191215B (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114157552A (zh) * | 2021-10-29 | 2022-03-08 | 国网河南省电力公司漯河供电公司 | 一种基于孪生时序图网络的配网故障检测方法 |
CN114184883A (zh) * | 2021-11-22 | 2022-03-15 | 国网河南省电力公司漯河供电公司 | 一种基于配电网故障仿真的配网故障检测精度计算方法 |
CN114219147A (zh) * | 2021-12-13 | 2022-03-22 | 南京富尔登科技发展有限公司 | 一种基于联邦学习的配电站故障预测方法 |
CN114298220A (zh) * | 2021-12-28 | 2022-04-08 | 浙江大学 | 基于上下文注意力动态特征提取器的故障分类方法 |
CN114399066A (zh) * | 2022-01-15 | 2022-04-26 | 中国矿业大学(北京) | 基于弱监督学习的机械设备预知性维护系统和维护方法 |
CN114818579A (zh) * | 2022-05-30 | 2022-07-29 | 桂林电子科技大学 | 基于一维卷积长短期记忆网络的模拟电路故障诊断方法 |
CN114896733A (zh) * | 2022-05-20 | 2022-08-12 | 合肥工业大学 | 一种基于深度强化学习的滚动轴承故障类型识别方法 |
CN115100462A (zh) * | 2022-06-20 | 2022-09-23 | 浙江方圆检测集团股份有限公司 | 一种基于回归预测的插座分类方法 |
CN115438694A (zh) * | 2022-08-18 | 2022-12-06 | 兰州理工大学 | 双向小波卷积长短时记忆网络风力发电机故障诊断方法 |
CN115659258A (zh) * | 2022-11-10 | 2023-01-31 | 国网山东省电力公司德州供电公司 | 一种基于多尺度图卷积孪生网络的配电网故障检测方法 |
CN116448428A (zh) * | 2023-06-16 | 2023-07-18 | 通达电磁能股份有限公司 | 电机轴承故障诊断方法、装置、电子设备及可读存储介质 |
CN116930741A (zh) * | 2023-07-19 | 2023-10-24 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 开关器件故障程度诊断方法、装置和计算机设备 |
WO2023232031A1 (zh) * | 2022-05-31 | 2023-12-07 | 中国第一汽车股份有限公司 | 一种神经网络模型的训练方法、装置、电子设备及介质 |
JP2023184389A (ja) * | 2022-06-17 | 2023-12-28 | グアンジョウ パワー サプライ ビューロー オブ グァンドン パワー グリッド カンパニー リミテッド | ツインネットワーク及び超音波誘導波に基づくケーブルアルミニウムシース腐食損傷画像化方法及び装置 |
CN117520950A (zh) * | 2024-01-04 | 2024-02-06 | 贵州大学 | 基于注意力知识共享网络的多目标uav故障诊断方法 |
CN117574259A (zh) * | 2023-10-12 | 2024-02-20 | 南京工业大学 | 适用于高端装备的注意力孪生智能迁移可解释性诊断方法 |
CN114219147B (zh) * | 2021-12-13 | 2024-06-07 | 南京富尔登科技发展有限公司 | 一种基于联邦学习的配电站故障预测方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106295153A (zh) * | 2016-08-03 | 2017-01-04 | 南京航空航天大学 | 一种基于孪生支持向量机的航空发动机气路故障诊断方法 |
CN110261109A (zh) * | 2019-04-28 | 2019-09-20 | 洛阳中科晶上智能装备科技有限公司 | 一种基于双向记忆循环神经网络的滚动轴承故障诊断方法 |
US20200234143A1 (en) * | 2019-01-23 | 2020-07-23 | MakinaRocks Co., Ltd. | Anomaly detection |
CN111914897A (zh) * | 2020-06-30 | 2020-11-10 | 电子科技大学 | 一种基于孪生长短时间记忆网络的故障诊断方法 |
CN112633317A (zh) * | 2020-11-02 | 2021-04-09 | 国能信控互联技术有限公司 | 基于注意力机制的cnn-lstm风机故障预测方法及系统 |
CN112629854A (zh) * | 2020-11-25 | 2021-04-09 | 西安交通大学 | 一种基于神经网络注意力机制的轴承故障分类方法 |
-
2021
- 2021-04-12 CN CN202110391674.9A patent/CN113191215B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106295153A (zh) * | 2016-08-03 | 2017-01-04 | 南京航空航天大学 | 一种基于孪生支持向量机的航空发动机气路故障诊断方法 |
US20200234143A1 (en) * | 2019-01-23 | 2020-07-23 | MakinaRocks Co., Ltd. | Anomaly detection |
CN110261109A (zh) * | 2019-04-28 | 2019-09-20 | 洛阳中科晶上智能装备科技有限公司 | 一种基于双向记忆循环神经网络的滚动轴承故障诊断方法 |
CN111914897A (zh) * | 2020-06-30 | 2020-11-10 | 电子科技大学 | 一种基于孪生长短时间记忆网络的故障诊断方法 |
CN112633317A (zh) * | 2020-11-02 | 2021-04-09 | 国能信控互联技术有限公司 | 基于注意力机制的cnn-lstm风机故障预测方法及系统 |
CN112629854A (zh) * | 2020-11-25 | 2021-04-09 | 西安交通大学 | 一种基于神经网络注意力机制的轴承故障分类方法 |
Non-Patent Citations (5)
Title |
---|
HAITAO ZHAO ET AL.: "Sequential Fault Diagnosis Based on LSTM Neural Network", 《IEEE ACCESS :SEQUENTIAL DATA MODELING AND ITS EMERGING APPLICATIONS》 * |
QIN FANG ET AL.: "ANS-net:anti-noise Siamese network for bearing fault diagnosis with a few data", 《NONLINEAR DYNAMICS》 * |
王太勇 等: "基于注意力机制BiLSTM 的设备智能故障诊断方法", 《天津大学学报(自然科学与工程技术版)》 * |
王翔 等: "样本重构多尺度孪生卷积网络的化工过程故障检测", 《仪器仪表学报》 * |
鄢仁武 等: "基于小波时频图和卷积神经网络的断路器故障诊断分析", 《振动与冲击》 * |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114157552B (zh) * | 2021-10-29 | 2024-04-05 | 国网河南省电力公司漯河供电公司 | 一种基于孪生时序图网络的配网故障检测方法 |
CN114157552A (zh) * | 2021-10-29 | 2022-03-08 | 国网河南省电力公司漯河供电公司 | 一种基于孪生时序图网络的配网故障检测方法 |
CN114184883A (zh) * | 2021-11-22 | 2022-03-15 | 国网河南省电力公司漯河供电公司 | 一种基于配电网故障仿真的配网故障检测精度计算方法 |
CN114219147B (zh) * | 2021-12-13 | 2024-06-07 | 南京富尔登科技发展有限公司 | 一种基于联邦学习的配电站故障预测方法 |
CN114219147A (zh) * | 2021-12-13 | 2022-03-22 | 南京富尔登科技发展有限公司 | 一种基于联邦学习的配电站故障预测方法 |
CN114298220A (zh) * | 2021-12-28 | 2022-04-08 | 浙江大学 | 基于上下文注意力动态特征提取器的故障分类方法 |
CN114399066A (zh) * | 2022-01-15 | 2022-04-26 | 中国矿业大学(北京) | 基于弱监督学习的机械设备预知性维护系统和维护方法 |
CN114399066B (zh) * | 2022-01-15 | 2023-04-18 | 中国矿业大学(北京) | 基于弱监督学习的机械设备预知性维护系统和维护方法 |
CN114896733A (zh) * | 2022-05-20 | 2022-08-12 | 合肥工业大学 | 一种基于深度强化学习的滚动轴承故障类型识别方法 |
CN114896733B (zh) * | 2022-05-20 | 2024-02-13 | 合肥工业大学 | 一种基于深度强化学习的滚动轴承故障类型识别方法 |
CN114818579A (zh) * | 2022-05-30 | 2022-07-29 | 桂林电子科技大学 | 基于一维卷积长短期记忆网络的模拟电路故障诊断方法 |
CN114818579B (zh) * | 2022-05-30 | 2024-03-26 | 桂林电子科技大学 | 基于一维卷积长短期记忆网络的模拟电路故障诊断方法 |
WO2023232031A1 (zh) * | 2022-05-31 | 2023-12-07 | 中国第一汽车股份有限公司 | 一种神经网络模型的训练方法、装置、电子设备及介质 |
JP7492567B2 (ja) | 2022-06-17 | 2024-05-29 | グアンジョウ パワー サプライ ビューロー オブ グァンドン パワー グリッド カンパニー リミテッド | ツインネットワーク及び超音波誘導波に基づくケーブルアルミニウムシース腐食損傷画像化方法及び装置 |
JP2023184389A (ja) * | 2022-06-17 | 2023-12-28 | グアンジョウ パワー サプライ ビューロー オブ グァンドン パワー グリッド カンパニー リミテッド | ツインネットワーク及び超音波誘導波に基づくケーブルアルミニウムシース腐食損傷画像化方法及び装置 |
CN115100462A (zh) * | 2022-06-20 | 2022-09-23 | 浙江方圆检测集团股份有限公司 | 一种基于回归预测的插座分类方法 |
CN115438694A (zh) * | 2022-08-18 | 2022-12-06 | 兰州理工大学 | 双向小波卷积长短时记忆网络风力发电机故障诊断方法 |
CN115659258A (zh) * | 2022-11-10 | 2023-01-31 | 国网山东省电力公司德州供电公司 | 一种基于多尺度图卷积孪生网络的配电网故障检测方法 |
CN115659258B (zh) * | 2022-11-10 | 2024-04-30 | 国网山东省电力公司德州供电公司 | 一种基于多尺度图卷积孪生网络的配电网故障检测方法 |
CN116448428B (zh) * | 2023-06-16 | 2023-09-08 | 通达电磁能股份有限公司 | 电机轴承故障诊断方法、装置、电子设备及可读存储介质 |
CN116448428A (zh) * | 2023-06-16 | 2023-07-18 | 通达电磁能股份有限公司 | 电机轴承故障诊断方法、装置、电子设备及可读存储介质 |
CN116930741A (zh) * | 2023-07-19 | 2023-10-24 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 开关器件故障程度诊断方法、装置和计算机设备 |
CN117574259A (zh) * | 2023-10-12 | 2024-02-20 | 南京工业大学 | 适用于高端装备的注意力孪生智能迁移可解释性诊断方法 |
CN117574259B (zh) * | 2023-10-12 | 2024-05-07 | 南京工业大学 | 适用于高端装备的注意力孪生智能迁移可解释性诊断方法 |
CN117520950B (zh) * | 2024-01-04 | 2024-03-19 | 贵州大学 | 基于注意力知识共享网络的多目标uav故障诊断方法 |
CN117520950A (zh) * | 2024-01-04 | 2024-02-06 | 贵州大学 | 基于注意力知识共享网络的多目标uav故障诊断方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113191215B (zh) | 2024-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113191215A (zh) | 融合注意力机制与孪生网络结构的滚动轴承故障诊断方法 | |
CN113052211B9 (zh) | 一种基于特征的秩和通道重要性的剪枝方法 | |
CN111738363B (zh) | 基于改进的3d cnn网络的阿尔茨海默病分类方法 | |
CN112541532B (zh) | 基于密集连接结构的目标检测方法 | |
CN110930378B (zh) | 基于低数据需求的肺气肿影像处理方法及系统 | |
CN111046961B (zh) | 基于双向长短时记忆单元和胶囊网络的故障分类方法 | |
CN112766229B (zh) | 基于注意力机制的人脸点云图像智能识别系统及方法 | |
US20240054760A1 (en) | Image detection method and apparatus | |
CN111047078A (zh) | 交通特征预测方法、系统及存储介质 | |
CN116502175A (zh) | 一种图神经网络故障诊断方法、装置和存储介质 | |
CN117237733A (zh) | 一种结合自监督和弱监督学习的乳腺癌全切片图像分类方法 | |
CN114780767A (zh) | 一种基于深度卷积神经网络的大规模图像检索方法及系统 | |
CN114491289A (zh) | 一种双向门控卷积网络的社交内容抑郁检测方法 | |
CN114881286A (zh) | 一种基于深度学习的短时降水预测方法 | |
CN111444957B (zh) | 图像数据处理方法、装置、计算机设备和存储介质 | |
CN117611830A (zh) | 一种基于少样本标注的任意类别目标定位与计数方法 | |
CN110569889A (zh) | 一种基于l2归一化的卷积神经网络图象分类方法 | |
CN110765908A (zh) | 基于深度学习的级联式癌细胞检测系统 | |
CN113476065B (zh) | 一种多类肺炎诊断系统 | |
CN117011219A (zh) | 物品质量检测方法、装置、设备、存储介质和程序产品 | |
CN115348182A (zh) | 一种基于深度堆栈自编码器的长期频谱预测方法 | |
Huang et al. | DeeptransMap: a considerably deep transmission estimation network for single image dehazing | |
CN114926702A (zh) | 一种基于深度注意力度量的小样本图像分类方法 | |
CN111340111B (zh) | 基于小波核极限学习机识别人脸图像集方法 | |
CN117809169B (zh) | 一种小样本水下声呐图像分类方法及其模型搭建方法 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20231129 Address after: 518000 1002, Building A, Zhiyun Industrial Park, No. 13, Huaxing Road, Henglang Community, Longhua District, Shenzhen, Guangdong Province Applicant after: Shenzhen Wanzhida Technology Co.,Ltd. Address before: 710048 Shaanxi province Xi'an Beilin District Jinhua Road No. 5 Applicant before: XI'AN University OF TECHNOLOGY |
|
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20240119 Address after: 710000, A013, 13th Floor, Building 6, Cultural and Creative Town, No. 1816 Fengliu Road, Fengxi New City, Xixian New District, Xi'an City, Shaanxi Province Applicant after: Shaanxi Shaoliangyuan Network Technology Co.,Ltd. Address before: 518000 1002, Building A, Zhiyun Industrial Park, No. 13, Huaxing Road, Henglang Community, Longhua District, Shenzhen, Guangdong Province Applicant before: Shenzhen Wanzhida Technology Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |