CN114154353A - 一种光纤结冰探测传感器数据重构方法、系统及存储介质 - Google Patents
一种光纤结冰探测传感器数据重构方法、系统及存储介质 Download PDFInfo
- Publication number
- CN114154353A CN114154353A CN202210115937.8A CN202210115937A CN114154353A CN 114154353 A CN114154353 A CN 114154353A CN 202210115937 A CN202210115937 A CN 202210115937A CN 114154353 A CN114154353 A CN 114154353A
- Authority
- CN
- China
- Prior art keywords
- icing
- detection sensor
- rate
- real
- data reconstruction
- 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
Images
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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明适用于飞行器结冰探测领域，提供了一种光纤结冰探测传感器数据重构方法、系统及存储介质，本发明的数据重构方法构建预测模型，采用历史数据训练预测模型，通过训练好后的预测模型计算预测结冰速率V1，采用结冰探测传感器采集实时结冰速率V2，若V1大于设定阈值F，且V2为零，则令V=V1；否则，V=V2；其中V为真实结冰速率。即本发明在结冰探测传感器异常或者超过结冰探测传感器量程的情况下，采用预测的结冰速率作为真实的结冰速率，如此快速地完成结冰探测传感器的数据重构，为防除冰系统提供准确的参考数量，维持防除冰系统的正常工作。
Description
技术领域
本发明涉及飞行器结冰探测领域，尤其是涉及一种光纤结冰探测传感器数据重构方法、系统及存储介质。
背景技术
7000米以下高空中含有过冷水滴，飞机在遭遇过冷水滴时其迎风部件会出现结冰现象，严重影响飞行安全。为保障飞行器飞行安全，通常在飞机上安装结冰探测传感器，当探测到飞机进入结冰气象环境时，获取结冰状态并给出告警信号，同时开启防除冰设备，基于结冰速率给定相应加热功率。
光纤结冰探测通常由光源、发射光纤与接收光纤组成，因其灵敏度高被用于结冰探测。在飞行过程中，结冰传感器处于高空恶劣的环境，存在传感器损坏或者系统误报警的风险，会导致结冰厚度、结冰速率等数据异常，降低结冰探测传感器的准确性，继而导致防除冰设备工作异常，严重会造成飞机失事。怎样才能提高结冰探测器的准确性，在结冰传感器损坏或者系统误报的情况下还能够维持防除冰系统的正常工作，是本领域一直想要解决的技术问题。
发明内容
为了解决现有技术的不足，本发明提供一种光纤结冰探测传感器数据重构方法、系统及存储介质。
一种结冰探测传感器数据重构方法，包括以下步骤：
S10. 构建并训练预测模型
利用历史数据训练预测模型，所述预测模型能够根据环境参数计算预测结冰速率；
S20. 获取环境参数，通过训练后的预测模型计算预测结冰速率V1 ；
S30. 采用结冰探测传感器获取实时结冰厚度D2，计算实时结冰速率V2；
S40. 根据以下规则进行数据重构：
若预测结冰速率V1大于设定阈值F，且实时结冰速率V2为零，则令V=V1；
否则，V=V2；其中V为真实结冰速率。
进一步地，还包括以下步骤：
步骤S10中，根据训练后的预测模型计算预测结冰速率与历史结冰速率的相关性，获取最小相关性参数P1；
步骤S20中，根据预测结冰速率V1 获取一条预测结冰速率曲线S1；
步骤S30中，根据实时结冰速率V2获取一条实时结冰速率曲线S2；
步骤S40中，实时计算预测结冰速率曲线S1与实时结冰速率曲线S2的线性相关性参数P，若P小于P1，则令V=V1。
进一步地，步骤S20中，还包括根据训练后的预测模型计算预测结冰厚度D1；步骤S40中，若D1值继续增加，实时冰层厚度D2突然下降，且实时结冰速率V2在预设范围内变化，则判断传感器端面冰层脱落，令V=V2。
进一步地，所述环境参数包括环境液态水含量，中值体积直径，飞行高度，速度和环境温度。
进一步地，采用神经网络训练预测模型。
进一步地，所述结冰探测传感器为光纤结冰探测传感器。
一种前述结冰探测传感器数据重构方法的结冰探测传感器数据重构系统，包括机载设备、结冰探测传感器和控制器；所述控制器分别连接所述机载设备和所述结冰探测传感器；所述机载设备用于采集环境参数；所述结冰探测传感器用于获取实时结冰厚度D2；所述控制器内存储了训练好的预测模型，根据所述机载设备采集的环境参数和所述结冰探测传感器采集的实时结冰厚度进行数据重构。
进一步地，所述机载设备包括粒径测量仪、水含量测量仪、温度传感器、皮托管和高度计；所述粒径测量仪用于测量中值体积直径，水含量测量仪用于测量液态水含量，温度传感器用于测量环境温度，皮托管用于测量速度，高度计用于测量飞行高度。
进一步地，所述结冰探测传感器为光纤结冰探测传感器。
本发明还提供一种存储介质，存储有执行如前所述的结冰探测传感器数据重构方法的计算机程序。
本发明的一种光纤结冰探测传感器数据重构方法及系统，相对于现有技术，至少具有以下有益效果：
本发明建立预测模型，采用历史数据对模型进行训练，可以通过预测模型来预测结冰速率，并在结冰探测传感器异常或者超过结冰探测传感器量程的情况下，采用预测的结冰速率作为真实的结冰速率，如此快速地完成结冰探测传感器的数据重构，为防除冰系统提供准确的参考数量，维持防除冰系统的正常工作。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面所描述的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例1的一种结冰探测传感器数据重构方法流程示意图；
图2是本发明实施例2的一种结冰探测传感器数据重构方法流程示意图。
具体实施方式
以下的说明提供了许多不同的实施例、或是例子，用来实施本发明的不同特征。以下特定例子所描述的元件和排列方式，仅用来精简的表达本发明，其仅作为例子，而并非用以限制本发明。
实施例1
一种结冰探测传感器数据重构方法，如图1所示，包括以下步骤：
S10. 构建并训练预测模型
首先构建预测模型，并采用历史数据来训练预测模型；历史数据包括不同环境参数下的结冰速率，环境参数又包括液态水含量，中值体积直径，飞行高度，风速和环境温度。优选地，采用神经网络算法来训练预测模型，获得训练好的预测模型。本领域技术人员能够理解，该训练好的神经网络模型能够在输入环境参数的情况下，计算得到对应的结冰速率。
S20. 获取环境参数，通过训练后的预测模型计算预测结冰速率V1 ；
有了以上训练好的预测模型后，实际应用时，通过采集实际的环境参数，输入到训练好的模型后，即可以计算获得对应的结冰速率，记为预测结冰速率V1；
S30. 采用结冰探测传感器获取实时结冰厚度D2，计算实时结冰速率V2；
同时，采用结冰探测传感器获取实时结冰厚度D2，作为优选，结冰探测传感器采用光纤结冰探测传感器，将冰层反射回来的光信号转换成电信号，得到结冰厚度信息，在此基础上，计算得到实时结冰速率V2，该实时结冰速率为一定时间内的结冰厚度。
S40. 根据以下规则进行数据重构：
正常情况下采用光纤探测传感器采集到的实时结冰速率V2作为真实结冰速率V；
若预测结冰速率V1大于设定阈值F，且实时结冰速率V2为零，则令V=V1；也就是，当预测结冰速率大于阈值，说明目前还处于结冰环境，而光纤探测传感器探测不到信号，说明传感器出现故障，如此则不能将光纤探测传感器探测到的结冰速率作为真实结冰速率，因而直接将预测结冰结冰速率V1 作为真实结冰速率V，由此避免了由于光纤探测传感器自身量程问题导致的测量误差。
实施例2
本实施例与实施例1相比，增加了预测结冰速率与实时结冰速率相关性的判断，以验证传感器是否异常，具体地，如图2所示，
S10. 构建并训练预测模型
首先构建预测模型，并采用历史数据来训练预测模型；历史数据包括不同环境参数下的结冰速率，环境参数又包括液态水含量，中值体积直径，飞行高度，风速和环境温度。优选地，采用神经网络算法来训练预测模型，获得训练好的预测模型。
根据训练后的预测模型计算预测结冰速率与历史结冰速率的相关性，获取最小相关性参数P1。也就是说，将预测结冰速率曲线和历史结冰速率曲线两者进行相关性拟合，拟合后得到相关性参数；将多组预测结冰速率曲线和历史结冰速率曲线进行拟合，得到多个相关性参数，选出其中最小的相关性参数P1。
S20. 获取环境参数，通过训练后的预测模型计算预测结冰速率V1 ；
有了以上训练好的预测模型后，实际应用时，通过采集实际的环境参数，输入到训练好的模型后，即可以计算获得对应的结冰速率，记为预测结冰速率V1；并根据预测结冰速率V1获取一条预测结冰速率曲线S1；
S30. 采用结冰探测传感器获取实时结冰厚度D2，计算实时结冰速率V2；
同时，采用结冰探测传感器获取实时结冰厚度D2，在此基础上，计算得到实时结冰速率V2，根据实时结冰速率V2获取一条实时结冰速率曲线S2。
根据以下规则进行数据重构：
正常情况下采用光纤探测传感器采集到的实时结冰速率V2作为真实结冰速率V；
实时计算预测结冰速率曲线S1与实时结冰速率曲线S2的线性相关性参数P，若P小于P1，这种情况下，即实时测量值偏离预测值比较多，认为光纤探测传感器发生了故障，或者探测的数据不准确，此时，采用预测结冰速率V1作为真实结冰速率V；
若预测结冰速率V1大于设定阈值F，且实时结冰速率V2为零，则令V=V1；也就是，当预测结冰速率大于阈值时，说明目前还处于结冰环境，而光纤探测传感器探测不到信号，说明传感器出现故障，如此则不能将光纤探测传感器探测到的结冰速率作为实时结冰速率，因而直接将预测结冰结冰速率V1 作为真实结冰速率V，由此避免了由于光纤探测传感器自身量程问题导致的测量误差。
作为优选，还可以探测到结冰层脱落：
步骤S20中，根据训练后的预测模型计算预测结冰厚度D1；步骤S40中，若D1值继续增加，实时冰层厚度D2突然下降，且实时结冰速率V2在预设范围内变化（即实时结冰速率V2的变化不大），则判断传感器端面冰层脱落，令V=V2，即继续采用实时结冰速率作为真实结冰速率。
实施例3
本实施例提供一种结冰探测传感器数据重构系统，用于执行实施例1和/或实施例2的结冰探测传感器数据重构方法。
一种结冰探测传感器数据重构系统，包括机载设备、结冰探测传感器和控制器；所述控制器分别连接所述机载设备和所述结冰探测传感器；
所述机载设备用于采集环境参数；所述结冰探测传感器用于获取实时结冰厚度D2；所述控制器内存储了训练好的预测模型，根据所述机载设备采集的环境参数和所述结冰探测传感器采集的实时结冰厚度进行数据重构。
机载设备包括粒径测量仪、水含量测量仪、温度传感器、皮托管和高度计；所述粒径测量仪用于测量粒径中值体积直径，水含量测量仪用于测量液态水含量，温度传感器用于测量环境温度，皮托管用于测量速度，高度计用于测量飞行高度。
本发明还提供一种可读存储介质，存储有用于执行实施例1和/或实施例2的结冰探测传感器数据重构方法。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种结冰探测传感器数据重构方法，其特征在于，
S10. 构建并训练预测模型
利用历史数据训练预测模型，所述预测模型能够根据环境参数计算预测结冰速率；
S20. 获取环境参数，通过训练后的预测模型计算预测结冰速率V1；
S30. 采用结冰探测传感器获取实时结冰厚度D2，计算实时结冰速率V2；
S40. 根据以下规则进行数据重构：
若预测结冰速率V1大于设定阈值F，且实时结冰速率V2为零，则令V=V1；
否则，V=V2；其中V为真实结冰速率。
2.根据权利要求1所述的一种结冰探测传感器数据重构方法，其特征在于，还包括以下步骤：
步骤S10中，根据训练后的预测模型计算预测结冰速率与历史结冰速率的相关性，获取最小相关性参数P1；
步骤S20中，根据预测结冰速率V1 获取一条预测结冰速率曲线S1；
步骤S30中，根据实时结冰速率V2获取一条实时结冰速率曲线S2；
步骤S40中，实时计算预测结冰速率曲线S1与实时结冰速率曲线S2的线性相关性参数P，若P小于P1，则令V=V1。
3.根据权利要求2所述的一种结冰探测传感器数据重构方法，其特征在于，步骤S20中，还包括根据训练后的预测模型计算预测结冰厚度D1；步骤S40中，若D1值继续增加，实时冰层厚度D2突然下降，且实时结冰速率V2在预设范围内变化，则判断传感器端面冰层脱落，令V=V2。
4.根据权利要求2或3所述的一种结冰探测传感器数据重构方法，其特征在于，所述环境参数包括环境液态水含量，中值体积直径，飞行高度，速度和环境温度。
5.根据权利要求4所述的一种结冰探测传感器数据重构方法，其特征在于，采用神经网络训练预测模型。
6.根据权利要求5所述的一种结冰探测传感器数据重构方法，其特征在于，所述结冰探测传感器为光纤结冰探测传感器。
7.一种执行如权利要求1-6任一所述的结冰探测传感器数据重构方法的结冰探测传感器数据重构系统，其特征在于，包括机载设备、结冰探测传感器和控制器；所述控制器分别连接所述机载设备和所述结冰探测传感器；
所述机载设备用于采集环境参数；
所述结冰探测传感器用于获取实时结冰厚度D2；
所述控制器内存储了训练好的预测模型，根据所述机载设备采集的环境参数和所述结冰探测传感器采集的实时结冰厚度进行数据重构。
8.根据权利要求7所述的结冰探测传感器数据重构系统，其特征在于，所述机载设备包括粒径测量仪、水含量测量仪、温度传感器、皮托管和高度计；所述粒径测量仪用于测量中值体积直径，水含量测量仪用于测量液态水含量，温度传感器用于测量环境温度，皮托管用于测量速度，高度计用于测量飞行高度。
9.根据权利要求8所述的结冰探测传感器数据重构系统，其特征在于，所述结冰探测传感器为光纤结冰探测传感器。
10.一种存储介质，存储有执行如权利要求1-6任一所述的结冰探测传感器数据重构方法的计算机程序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210115937.8A CN114154353B (zh) | 2022-02-07 | 2022-02-07 | 一种光纤结冰探测传感器数据重构方法、系统及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210115937.8A CN114154353B (zh) | 2022-02-07 | 2022-02-07 | 一种光纤结冰探测传感器数据重构方法、系统及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114154353A true CN114154353A (zh) | 2022-03-08 |
| CN114154353B CN114154353B (zh) | 2022-04-12 |
Family
ID=80450052
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210115937.8A Active CN114154353B (zh) | 2022-02-07 | 2022-02-07 | 一种光纤结冰探测传感器数据重构方法、系统及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114154353B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114757109A (zh) * | 2022-06-14 | 2022-07-15 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种进气道内外结冰参数关系的测试方法、系统和用途 |
| CN114771871A (zh) * | 2022-06-14 | 2022-07-22 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种进气道结冰传感器调试方法、传感器及控制系统 |
| CN116086368A (zh) * | 2023-03-07 | 2023-05-09 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种结冰厚度的探测方法、探测装置及存储介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102706389A (zh) * | 2012-06-19 | 2012-10-03 | 中国民航大学 | 采用滚动预测的飞机表面积冰短时预报系统及预报方法 |
| US20200104502A1 (en) * | 2018-10-01 | 2020-04-02 | Bell Helicopter Textron Inc. | Decentralized trust assessment |
| US20200167640A1 (en) * | 2018-11-27 | 2020-05-28 | The Boeing Company | System and method for generating an aircraft fault prediction classifier |
| US20200309810A1 (en) * | 2017-10-11 | 2020-10-01 | Embraer S.A. | Neural network system whose training is based on a combination of model and flight information for estimation of aircraft air data |
| CN111738481A (zh) * | 2020-04-01 | 2020-10-02 | 南京航空航天大学 | 基于bp神经网络的飞机结冰气象参数mvd预测方法 |
| CN112825134A (zh) * | 2019-11-21 | 2021-05-21 | 辉达公司 | 自主机器应用中使用radar传感器检测障碍物的深度神经网络 |
| CN113568774A (zh) * | 2021-07-27 | 2021-10-29 | 东华大学 | 使用无监督深度神经网络的多维时序数据实时异常检测方法 |
| US20220028287A1 (en) * | 2018-09-11 | 2022-01-27 | Satavia Limited | System and method for aircraft flight control |
-
2022
- 2022-02-07 CN CN202210115937.8A patent/CN114154353B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102706389A (zh) * | 2012-06-19 | 2012-10-03 | 中国民航大学 | 采用滚动预测的飞机表面积冰短时预报系统及预报方法 |
| US20200309810A1 (en) * | 2017-10-11 | 2020-10-01 | Embraer S.A. | Neural network system whose training is based on a combination of model and flight information for estimation of aircraft air data |
| US20220028287A1 (en) * | 2018-09-11 | 2022-01-27 | Satavia Limited | System and method for aircraft flight control |
| US20200104502A1 (en) * | 2018-10-01 | 2020-04-02 | Bell Helicopter Textron Inc. | Decentralized trust assessment |
| US20200167640A1 (en) * | 2018-11-27 | 2020-05-28 | The Boeing Company | System and method for generating an aircraft fault prediction classifier |
| CN112825134A (zh) * | 2019-11-21 | 2021-05-21 | 辉达公司 | 自主机器应用中使用radar传感器检测障碍物的深度神经网络 |
| CN111738481A (zh) * | 2020-04-01 | 2020-10-02 | 南京航空航天大学 | 基于bp神经网络的飞机结冰气象参数mvd预测方法 |
| CN113568774A (zh) * | 2021-07-27 | 2021-10-29 | 东华大学 | 使用无监督深度神经网络的多维时序数据实时异常检测方法 |
Non-Patent Citations (6)
| Title |
|---|
| YIQUN DONG: ""Implementing Deep Learning for comprehensive aircraft icing and actuator/sensor fault detection/identification"", 《ENGINEERING APPLICATIONS OF ARTIFICIAL INTELLIGENCE》 * |
| 丁娣等: "基于H_∞算法的飞机机翼结冰气动参数辨识", 《航空学报》 * |
| 李薇等: "基于信息融合的双光路光纤式飞机结冰探测系统", 《传感技术学报》 * |
| 柴聪聪等: ""基于ＢＰ神经网络的冰形特征参数预测"", 《实验流体力学》 * |
| 赵照等: ""基于动态神经网络的喷雾耙供气温度数据重构"", 《仪表技术与传感器》 * |
| 黄宵宁等: "南方山区线路覆冰在线监测数据特征分析与预测模型研究", 《电力系统保护与控制》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114757109A (zh) * | 2022-06-14 | 2022-07-15 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种进气道内外结冰参数关系的测试方法、系统和用途 |
| CN114771871A (zh) * | 2022-06-14 | 2022-07-22 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种进气道结冰传感器调试方法、传感器及控制系统 |
| CN114757109B (zh) * | 2022-06-14 | 2022-08-23 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种进气道内外结冰参数关系的测试方法、系统 |
| CN116086368A (zh) * | 2023-03-07 | 2023-05-09 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种结冰厚度的探测方法、探测装置及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114154353B (zh) | 2022-04-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114154353B (zh) | 一种光纤结冰探测传感器数据重构方法、系统及存储介质 | |
| US10060831B2 (en) | Method for assessing whether or not a measured value of a physical parameter of an aircraft engine is normal | |
| US12091197B2 (en) | Aircraft fuel system monitoring | |
| CN113847216B (zh) | 风机叶片的状态预测方法、装置、设备及存储介质 | |
| CN114091185B (zh) | 一种飞机表面积冰演化状态辨识方法及系统 | |
| CN116227752B (zh) | 一种基于物联网的园区设施管理系统 | |
| CN113420503B (zh) | 基于温度序列相似性度量的积冰检测方法、系统、终端及应用 | |
| EP3460466A2 (en) | Method of making a magnetostrictive oscillator ice rate sensor probe | |
| JP7085067B2 (ja) | 保温材下腐食発生予測モデルおよびプラント保全支援装置 | |
| CN115507734B (zh) | 一种基于压电阵列的结冰三维成像方法 | |
| CN115143916A (zh) | 一种输电线路覆冰状态监测方法、设备及介质 | |
| CN113296072A (zh) | 一种基于YOLOv3模型的雷暴大风自动识别方法及系统 | |
| CN116021981A (zh) | 配电网线路覆冰故障预测方法、装置、设备及存储介质 | |
| CN112572809B (zh) | 一种适用于无人机平台的混合式结冰探测方法 | |
| CN108663727A (zh) | 利用蒸发率在世界海域范围内估算蒸发波导高度的方法 | |
| CN114237110A (zh) | 基于多模态数据驱动的通用航空机队可靠性监测预警系统 | |
| CN117723115A (zh) | 一种基于物联网的输电线路在线检测系统及方法 | |
| Wei | Research Review of Ship Draft Observation Methods | |
| CN108357683A (zh) | 一种基于空速管的小型无人机结冰探测方法 | |
| EP4068027B1 (en) | Health assessment of a mechanical system | |
| CN116151792A (zh) | 一种基于cps的多旋翼无人机健康管理系统及方法 | |
| CN116256016A (zh) | 一种建筑结构体系全过程健康监测系统 | |
| CN114708718A (zh) | 风力发电机组温度集群管控方法、装置、设备及介质 | |
| CN116448189B (zh) | 一种飞行指挥系统配套设施的测试设备 | |
| CN108825452B (zh) | 确定风力发电机组叶片结冰的方法和装置 |
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 |