CN113326570A - 一种基于物理与数据驱动的集群系统可靠性数字孪生建模方法 - Google Patents

一种基于物理与数据驱动的集群系统可靠性数字孪生建模方法 Download PDF

Info

Publication number
CN113326570A
CN113326570A CN202110700996.7A CN202110700996A CN113326570A CN 113326570 A CN113326570 A CN 113326570A CN 202110700996 A CN202110700996 A CN 202110700996A CN 113326570 A CN113326570 A CN 113326570A
Authority
CN
China
Prior art keywords
agent
cluster system
cluster
task
simulating
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
CN202110700996.7A
Other languages
English (en)
Other versions
CN113326570B (zh
Inventor
冯强
郭星
王自力
任羿
樊冬明
孙博
杨德真
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.)
Beihang University
Original Assignee
Beihang University
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 Beihang University filed Critical Beihang University
Priority to CN202110700996.7A priority Critical patent/CN113326570B/zh
Publication of CN113326570A publication Critical patent/CN113326570A/zh
Application granted granted Critical
Publication of CN113326570B publication Critical patent/CN113326570B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/15—Vehicle, aircraft or watercraft design
    • 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
    • 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
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
    • 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
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于物理与数据驱动的集群系统可靠性数字孪生建模方法，能够有效描述集群系统的物理结构，体现空间环境特征对集群系统的影响，反应相关人员的工作状态，实现集群系统可靠性的快速高效评价。步骤如下：构建系统类智能体用于模拟系统与保障资源的物理组成以及集群的拓扑结构；构建环境类智能体用于模拟集群系统执行任务过程中的场景区域，环境条件及其扰动；构建人员类智能体用于模拟集群系统维护和操作人员的工作状态；构建管理类智能体用于模拟集群系统的预定任务与动态生成任务；定义两类数据驱动机制用于实现智能体间的信息交互以及物理实体与智能体间的数据传输；动态采集相关数据，生成集群系统可靠性数字孪生模型。

Description

一种基于物理与数据驱动的集群系统可靠性数字孪生建模 方法
所属技术领域
本发明属于可靠性工程技术领域，具体涉及一种基于物理与数据驱动的集群系统可靠性数字孪生建模方法。
背景技术
在物联网、人工智能领域快速发展的基础上，集群系统在军事、工业、商业等多个领域得到了广泛应用和关注，例如：无人机集群系统，海上/陆地风电场以及数字计算集群系统等等。相比于传统的系统，集群系统具有突出的作业优势。一方面通过系统间的灵活组织和相互配合，使相对简单、低成本的个体涌现完成复杂任务的能力，进而有效降低任务执行成本；另一方面，基于系统间的协同互补，可以迅速弥补因自身退化或外界环境导致的个体故障，达到提高整体集群系统可靠性和容错率的目的。
随着数据采集、状态监测、大数据等技术的日趋成熟，集群系统数字孪生技术得到快速发展，大量研究聚焦于系统间的协作和协同行为。为确保集群系统的稳定运行，准确评价个体状态，掌握/预测集群系统的整体可靠性态势，并给出精确的个性化维护措施，有必要建立相应的集群系统可靠性数字孪生模型。然而，相关领域的研究近乎空白。为此，本发明拟综合考虑集群系统的物理架构，以及执行任务过程中的空间环境数据、个体实时状态监控数据和相关人员的工作状态，给出一种基于物理与数据驱动的集群系统可靠性数字孪生建模方法。
发明内容
本发明的目的在于提供一种基于物理与数据驱动的集群系统可靠性数字孪生建模方法，能够有效描述系统的物理组成和集群的拓扑结构，体现空间环境特征对集群系统的影响，反应相关人员的工作状态，进而快速高效的评价集群系统可靠性。
为实现上述目的，本发明提供以下技术方案：
一种基于物理与数据驱动的集群系统可靠性数字孪生建模方法，主要包含以下步骤：
S100：构建系统类智能体用于模拟系统与保障资源的物理组成以及集群的拓扑结构；
S200：构建环境类智能体用于模拟集群系统执行任务过程中的场景区域，环境条件及其扰动；
S300：构建人员类智能体用于模拟集群系统维护和操作人员的工作状态；
S400：构建管理类智能体用于模拟集群系统的预定任务与动态生成任务；
S500：定义两类数据驱动机制用于实现智能体间的信息交互以及物理实体与智能体间的数据传输；
S600：动态采集相关数据，生成集群系统可靠性数字孪生模型。
步骤S100中，构建系统类智能体作为实际物理系统的数字孪生体，模拟保障资源与个体的物理组成和集群的拓扑结构(如完全集中式、完全分布式和联邦式等)。系统类智能体设置相应的内部状态用于区分系统的功能状态与故障状态，并通过智能体的特征参数量化系统的多维性能特征。
步骤S200中，构建环境类智能体作为集群系统实际活动空间环境的数字孪生体，模拟集群系统执行任务过程中的场景区域，环境条件及其扰动。在环境类智能体中设置相应的坐标区间([xmin,xmax],[ymin,ymax],[zmin,zmax])用于模拟集群系统的场景区域，并结合智能体的特征参数描述场景区域内的环境条件，进而反应环境条件波动对集群系统带来的正常变化和异常冲击。
步骤S300中，构建人员类智能体作为维护和操作人员的数字孪生体，模拟维护或者操作人员在执行相关任务过程中的工作状态。当维护或者操作人员对集群系统开展相关作业时，人员类智能体则表现为占用状态，否则为待命状态。
步骤S400中，构建管理类智能体，模拟集群系统的预定任务与动态生成任务，不含有特定的模型属性。其中预定任务为初始阶段集群系统所执行的任务，动态生成任务则指在集群系统执行任务过程中生成的其他任务。
步骤S500中，定义两类数据驱动机制，实现智能体间的信息交互以及物理实体与智能体间的数据传输。其中，智能体结合自身状态与智能体间的消息交互驱动自身状态更新；物理实体与智能体间的数据传输体现在：1)集群系统状态监测数据驱动系统类智能体内部状态与特征参数的更新；2)空间环境的监测数据驱动环境类智能体特征参数的更新；3)相关人员的工作状态驱动人员类智能体占用状态的更新。
步骤S600中，动态采集相关数据，生成集群系统可靠性数字孪生模型。在依次完成系统类智能体、环境类智能体、人员类智能体与管理类智能体构建工作的基础上，动态采集集群系统状态监测数据、空间环境的监测数据和相关人员的工作状态，依据数据驱动机制，实现智能体的内部状态与特征参数的同步更新，得到集群系统可靠性数字孪生模型。
与现有建模方法相比，本发明带来的有益效果是：借助本发明开发的基于物理与数据驱动的集群系统可靠性数字孪生建模方法，在智能体建模技术的支撑下，可以有效利用集群系统在执行任务过程中的状态监控数据、空间环境的监测数据以及维护与操作人员的工作状态；同时，结合集群系统物理模型，能够动态描述保障资源与系统的物理组成和集群的拓扑结构；此外，基于两类驱动机制实现了智能体间信息的有效交互以及物理实体与智能体间的数据传输。从而，得到集群系统可靠性数字孪生模型。
附图说明
图1为本发明提供的一种基于物理与数据驱动的集群系统数字孪生建模方法流程图；
图2为实施例提供的执行区域侦查任务的无人机集群系统场景区域示意图。
图3为本发明实施例提供的一种基于物理与数据驱动的无人机集群系统数字孪生模型结构示意图。
具体实施方式
下面将参照附图1至附图2详细地描述本发明的具体实施例。虽然论述了本发明的具体实施例，然而应当理解，可以通过各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供实施例是为了能够更透彻地理解本发明，并且能够将本发明的信息完整的传达给相关领域的技术人员。
本发明实施例提供了无人机集群系统可靠性数字孪生建模方法，流程图如图1所示，包括：
S100：构建系统类智能体作为无人机集群系统的数字孪生体，模拟无人机与保障资源的物理组成和集群的拓扑结构(如完全集中式、完全分布式和联邦式等)。在系统类智能体设置相应的内部状态用于区分无人机的功能状态与故障状态，并通过智能体的特征参数量化无人机的多维性能特征。
例如：针对执行区域侦查任务的无人机集群，在系统类智能体内部设计滑行、起飞、巡航、侦查、降落、故障和坠毁等内部状态，并补充相应的坐标、起飞重量、起飞距离、航程、活动半径、续航时间、马赫数、高度、降落距离等无人机飞行参数，进而有效描述无人机在执行任务过程中的工作状态和性能特征。此外，由于无人机集群系统在执行区域侦查任务时，各无人机在集群中的地位和功能相同，可以实现协同互补。因此，系统类智能体模拟无人机集群系统的拓扑结构为完全分布式。
S200：构建环境类智能体作为无人机集群系统实际活动空间环境的数字孪生体，模拟无人机集群系统执行任务过程中的场景区域，环境条件及其扰动。
针对执行区域侦查任务的无人机集群系统，如图2所示，在环境类智能体中设置相应的坐标区间([0,10km],[0,10km],[0,7km])用于模拟集群系统的场景区域，即限定了系统类智能体的坐标区间。并结合环境类智能体的特征参数描述场景区域内的温度、湿度、风速、绝对压力等环境条件，进而反应环境条件波动对无人机集群系统带来的正常变化和异常冲击。
例如：风速会对无人机的续航时间、起飞距离和降落距离带来影响。通过对风力环境的动态监测实时更新环境类智能体下的环境特征参数，进而同步计算无人机的续航时间、起飞距离和降落距离。
S300：构建人员类智能体作为维护和操作人员的数字孪生体，用于反应维护或者操作人员在执行相关任务过程中的工作状态。
例如：当维护人员对无人机开展维护保障作业时，该维护人员对应的人员类智能体表现为占用状态，否则为待命状态。
S400：构建管理类智能体用于模拟无人机集群系统的预定任务与动态生成任务，不含有特定的模型属性。其中预定任务为初始阶段无人机集群系统所执行的任务，动态生成任务则指在无人机集群系统执行任务过程中生成的其他任务(如编队飞行、维护保障任务等)。
例如：管理类智能体模拟无人机集群系统在初始阶段的预定任务为区域侦查任务。此外，某架无人机在执行区域侦查过程中突发故障需要返厂维修，管理类智能体完成该动态生成任务的同步模拟。
S500：定义无人机集群系统可靠性数字孪生模型内的两类数据驱动机制，实现智能体间的信息交互以及物理实体与智能体间的数据传输。其中，智能体结合自身状态与智能体间的消息交互驱动自身状态更新。
例如：针对执行区域侦查任务的无人机集群，管理类智能体对预定侦查任务进行模拟，并同步向系统类智能体传递相关消息，系统类智能体结合自身状态，依次实现对无人机滑行、起飞、侦查过程的动态模拟。
物理实体与智能体间的数据传输体现在：1)无人机集群系统状态监测数据驱动系统类智能体内部状态与特征参数的更新；2)空间环境的监测数据驱动环境类智能体特征参数的更新；3)相关人员的工作状态驱动人员类智能体占用状态的更新。
例如：通过传感器动态采集无人机马赫数同步更新系统类智能体的马赫数参数；通过对风力环境的动态监测同步更新环境类智能体下的风速变量；通过对操作人员的状态监测同步更新人员类智能体的占用状态。
S600：动态采集相关数据，生成无人机集群系统可靠性数字孪生模型。在依次完成系统类智能体、环境类智能体、人员类智能体与管理类智能体构建工作的基础上，动态采集无人机集群系统状态监测数据、空间环境的监测数据和维护与操作人员的工作状态，依据数据驱动机制，实现智能体的内部状态与特征参数的同步更新，得到无人机集群系统可靠性数字孪生模型，如图3所示。
尽管以上结合附图对本发明的实施方案进行了描述，但本发明并不局限于上述的具体实施方案和应用领域，上述的具体实施方案仅仅是示意性的、指导性的，而不是限制性的。本领域的普通技术人员在本说明书的启示下和在不脱离本发明权利要求所保护的范围的情况下，还可以做出很多种的形式，这些均属于本发明保护之列。

Claims (7)

1.一种基于物理与数据驱动的集群系统可靠性数字孪生建模方法，其特征在于，包括：
S100：构建系统类智能体用于模拟系统与保障资源的物理组成以及集群的拓扑结构；
S200：构建环境类智能体用于模拟集群系统执行任务过程中的场景区域，环境条件及其扰动；
S300：构建人员类智能体用于模拟集群系统维护和操作人员的工作状态；
S400：构建管理类智能体用于模拟集群系统的预定任务与动态生成任务；
S500：定义两类数据驱动机制用于实现智能体间的信息交互以及物理实体与智能体间的数据传输；
S600：动态采集相关数据，生成集群系统可靠性数字孪生模型。
2.根据权利要求1所述的一种基于多智能体的多态系统动态可靠性仿真评价方法，其特征在于：在S100所述“构建系统类智能体用于模拟系统与保障资源的物理组成以及集群的拓扑结构”中，系统类智能体设置相应的内部状态用于区分系统的功能状态与故障状态，并通过智能体的特征参数量化系统的多维性能特征。
3.根据权利要求1所述的一种基于多智能体的多态系统动态可靠性仿真评价方法，其特征在于：在S200所述“构建环境类智能体用于模拟集群系统执行任务过程中的场景区域，环境条件及其扰动”中，在环境类智能体中设置相应的坐标区间([xmin,xmax],[ymin,ymax],[zmin,zmax])用于模拟集群系统的场景区域，并结合智能体的特征参数描述场景区域内的环境条件，进而反应环境条件波动对集群系统带来的正常变化和异常冲击。
4.根据权利要求1所述的一种基于多智能体的多态系统动态可靠性仿真评价方法，其特征在于：在S300所述“构建人员类智能体用于模拟集群系统维护和操作人员的工作状态”中，当维护或者操作人员对集群系统开展相关作业时，人员类智能体则表现为占用状态，否则为待命状态。
5.根据权利要求1所述的一种基于多智能体的多态系统动态可靠性仿真评价方法，其特征在于：在S400所述“构建管理类智能体用于模拟集群系统的预定任务与动态生成任务”中，管理类智能体不含有特定的模型属性，其中预定任务为初始阶段集群系统所执行的任务，动态生成任务则指在集群系统执行任务过程中生成的其他任务。
6.根据权利要求1所述的一种基于多智能体的多态系统动态可靠性仿真评价方法，其特征在于：在S500所述“定义两类数据驱动机制用于实现智能体间的信息交互以及物理实体与智能体间的数据传输”中，智能体结合自身状态与智能体间的消息交互驱动自身状态更新；物理实体与智能体间的数据传输体现在：1)集群系统状态监测数据驱动系统类智能体内部状态与特征参数的更新；2)空间环境的监测数据驱动环境类智能体特征参数的更新；3)相关人员的工作状态驱动人员类智能体占用状态的更新。
7.根据权利要求1所述的一种基于多智能体的多态系统动态可靠性仿真评价方法，其特征在于：在S600所述“动态采集相关数据，生成集群系统可靠性数字孪生模型”中，在依次完成系统类智能体、环境类智能体、人员类智能体与管理类智能体构建工作的基础上，动态采集集群系统状态监测数据、空间环境的监测数据和相关人员的工作状态，依据数据驱动机制，实现智能体的内部状态与特征参数的同步更新，得到集群系统可靠性数字孪生模型。
CN202110700996.7A 2021-06-23 2021-06-23 一种基于物理与数据驱动的集群系统可靠性数字孪生建模方法 Active CN113326570B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110700996.7A CN113326570B (zh) 2021-06-23 2021-06-23 一种基于物理与数据驱动的集群系统可靠性数字孪生建模方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110700996.7A CN113326570B (zh) 2021-06-23 2021-06-23 一种基于物理与数据驱动的集群系统可靠性数字孪生建模方法

Publications (2)

Publication Number Publication Date
CN113326570A true CN113326570A (zh) 2021-08-31
CN113326570B CN113326570B (zh) 2022-05-17

Family

ID=77424462

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110700996.7A Active CN113326570B (zh) 2021-06-23 2021-06-23 一种基于物理与数据驱动的集群系统可靠性数字孪生建模方法

Country Status (1)

Country Link
CN (1) CN113326570B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113595622A (zh) * 2021-09-29 2021-11-02 南京航空航天大学 一种基于数字孪生的集群协同搜索虚实结合式验证方法
CN114326517A (zh) * 2021-12-30 2022-04-12 重庆允成互联网科技有限公司 一种基于虚拟现实的远程管理方法和系统
CN115277443A (zh) * 2022-06-30 2022-11-01 北京航空航天大学 一种考虑自主性与协同性的物联网系统可靠性建模方法
CN115994458A (zh) * 2023-03-23 2023-04-21 华南理工大学 一种虚实集成的多智能体集群系统仿真方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2518711A1 (en) * 2011-04-28 2012-10-31 Thales S.A. Multi-agent simulation system
CN108259608A (zh) * 2018-01-19 2018-07-06 中国科学院生态环境研究中心 一种多智能体集群运算方法
CN112016660A (zh) * 2020-07-03 2020-12-01 浙江大学 一种物理力和数据联合驱动的三维集群行为模拟方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2518711A1 (en) * 2011-04-28 2012-10-31 Thales S.A. Multi-agent simulation system
CN108259608A (zh) * 2018-01-19 2018-07-06 中国科学院生态环境研究中心 一种多智能体集群运算方法
CN112016660A (zh) * 2020-07-03 2020-12-01 浙江大学 一种物理力和数据联合驱动的三维集群行为模拟方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
LI DAN, ET AL.: "Quantify Measuring Method for Combat Unit Mission Focusing on Unsuccess Prevention", 《JOURNAL OF SHANGHAI JIAOTONG UNIVERSITY(SCIENCE)》 *
李伯虎等: "智能工业系统智慧云设计技术", 《计算机集成制造系统》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113595622A (zh) * 2021-09-29 2021-11-02 南京航空航天大学 一种基于数字孪生的集群协同搜索虚实结合式验证方法
CN114326517A (zh) * 2021-12-30 2022-04-12 重庆允成互联网科技有限公司 一种基于虚拟现实的远程管理方法和系统
CN114326517B (zh) * 2021-12-30 2024-02-20 重庆允丰科技有限公司 一种基于虚拟现实的远程管理方法和系统
CN115277443A (zh) * 2022-06-30 2022-11-01 北京航空航天大学 一种考虑自主性与协同性的物联网系统可靠性建模方法
CN115277443B (zh) * 2022-06-30 2023-10-03 北京航空航天大学 一种考虑自主性与协同性的物联网系统可靠性建模方法
CN115994458A (zh) * 2023-03-23 2023-04-21 华南理工大学 一种虚实集成的多智能体集群系统仿真方法

Also Published As

Publication number Publication date
CN113326570B (zh) 2022-05-17

Similar Documents

Publication Publication Date Title
CN113326570B (zh) 一种基于物理与数据驱动的集群系统可靠性数字孪生建模方法
Zhuang et al. The connotation of digital twin, and the construction and application method of shop-floor digital twin
CN103617324B (zh) 基于FlightGear仿真软件的飞行仿真记录分析系统
CN112487584A (zh) 一种基于动力学的滚动轴承数字孪生建模方法
Wu et al. Multi UAV cluster control method based on virtual core in improved artificial potential field
CN108170162B (zh) 多尺度风扰分析无人机机群协调控制系统性能评估方法
Morton et al. HPCMP CREATETM-AV kestrel architecture, capabilities, and long term plan for fixed-wing aircraft simulations
Dong et al. Deep learning in aircraft design, dynamics, and control: Review and prospects
CN112947575B (zh) 基于深度强化学习的无人机集群多目标搜索方法及系统
CN113435033B (zh) 基于多分辨率的复杂体系运行流程仿真方法和系统
CN107526303A (zh) 一种飞行器管理系统仿真验证平台
Lu et al. Digital twin-based operation simulation system and application framework for electromechanical products
CN114147706A (zh) 一种基于数字孪生的协作机器人远程监测系统与方法
CN102163380B (zh) 基于嵌入式自动数据采集技术的训练评估方法
Chen et al. Research on automatic driving simulation test system based on digital twin
CN116720330B (zh) 一种无人装备仿真试验系统
CN108549734A (zh) 基于系统功能结构的tfm三维信息流建模方法
CN116081488B (zh) 一种场景自适应单轨吊运输机器人无人驾驶控制方法
CN116923724A (zh) 飞行器机动可变弹道地面模拟飞行试验技术
CN113867175B (zh) 轨道交通模型创建方法、装置、计算机设备和存储介质
Nitschke Cooperating air traffic control agents
CN114239938A (zh) 一种基于状态的能源数字孪生体的构建方法
CN113353284A (zh) 一种纵列双旋翼无人植保系统、构建方法、介质、计算机
Gu Data vertical decoupling digital twin aggregation technology in the energy efficiency internet of things in small and micro parks
Wang et al. Modeling and simulation in an aircraft safety design based on a hybrid AHP and FCA algorithm

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