CN115270992A - 新型的材料物理数据分类方法及系统 - Google Patents

新型的材料物理数据分类方法及系统 Download PDF

Info

Publication number
CN115270992A
CN115270992A CN202211000794.2A CN202211000794A CN115270992A CN 115270992 A CN115270992 A CN 115270992A CN 202211000794 A CN202211000794 A CN 202211000794A CN 115270992 A CN115270992 A CN 115270992A
Authority
CN
China
Prior art keywords
value
physical data
material physical
unclassified
classification
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
CN202211000794.2A
Other languages
English (en)
Other versions
CN115270992B (zh
Inventor
张伟
王雪
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.)
Mudanjiang Normal University
Original Assignee
Mudanjiang Normal 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 Mudanjiang Normal University filed Critical Mudanjiang Normal University
Priority to CN202211000794.2A priority Critical patent/CN115270992B/zh
Publication of CN115270992A publication Critical patent/CN115270992A/zh
Application granted granted Critical
Publication of CN115270992B publication Critical patent/CN115270992B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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

本发明涉及新型的材料物理数据分类方法及系统，包括规律数据采集通道，用于以规律的时间采集未分类的材料物理数据；本值特征计算单元，用以计算未分类的材料物理数据的本值量，将计算的本值量以时间序列形式存储；本值变化率计算单元，用以确定采样周期，并计算本值量在最小正周期内的变化率量；本值积累计算单元，用以确定采样周期，并计算本值量在若干最小正周期中的积累量，并进行存储；综合计算提取单元，用以确定本值量、本值变化率量、本值积累量三个参数分别的权值并计算综合特点值，以综合特点值作为提取特征并还原未分类的材料物理数据对应的材料分类，然后给未分类的材料物理数据自动添加标签，自动添加的标签即分类标签。

Description

新型的材料物理数据分类方法及系统
技术领域
本发明涉及一种新型的材料物理数据分类方法及系统。
背景技术
在相关的技术中，比如专利文献CN110287194A公开一种对于材料物理数据进行分类的技术，其包括中央处理器，所述中央处理器的输出端分别电连接有数据计算单元、删除模块、数据分类存储单元和识别判断单元的输入端，所述数据计算单元的输出端电连接有数据统计单元。通过利用信息采集单元中的第一信息数据采集模块、第二信息数据采集模块、第三信息数据采集模块和第四信息数据采集模块，采集各个领域内的材料数据，该技术中采用计算机技术对数据进行计算，比对，识别，判断后再分类存储，从而简化了材料物理数据分类的程序，提高了效率。但实际，该技术核心仍停留在简单的计算机分类存储层次。在对数据进行分类时，仍然需要人工的干预或者是监督，更具体的甚至仍然需要人工对数据进行鉴定来进行分类。比如需要人工鉴定分类材料，属于凝聚态材料，还是半导体材料等等，所以效率仍然比较低。
发明内容
为了克服现有的技术存在的不足，本发明提供一种新型的材料物理数据分类方法及系统。
本发明解决其技术问题所采用的技术方案是：
新型的材料物理数据分类系统，包括有：
规律数据采集通道，用于以规律的时间采集未分类的材料物理数据；
本值特征计算单元，用以计算未分类的材料物理数据的本值量，将计算的本值量以时间序列形式存储；
本值变化率计算单元，用以确定采样周期，并计算本值量在最小正周期内的变化率量；并进行存储；
本值积累计算单元，用以确定采样周期，并计算本值量在若干最小正周期中的积累量，并进行存储；
综合计算提取单元，用以确定本值量、本值变化率量、本值积累量三个参数分别的权值并计算综合特点值，以综合特点值作为提取特征并还原未分类的材料物理数据对应的材料分类，然后给未分类的材料物理数据自动添加标签，自动添加的标签即分类标签。
进一步，所述计算未分类的材料物理数据的本值量，具体地将未分类的材料物理数据中的表征材料物理数据的本值转化为一个单值θ，θ与材料物理数据原本值一对一映射；计算，
T＝sin4θ*sin2θ*cos2θ+2cos2(2θ)*sin3θ*cosθ；T即未分类的材料物理数据的本值量。
进一步，所述本值量在最小正周期内的变化率量可以用本值量T的导数代替，最小正周期内的变化率量为T＇＝(sin4θ*sin2θ*cos2θ+2cos2(2θ)*sin3θ*cosθ)＇，计算中可以先将所有本值量T拟合为一个连续的函数然后计算其导数。
进一步，所述本值量在若干最小正周期中积累量为Q，当有n个最小正周期，
Figure BDA0003807333040000021
其中
Figure BDA0003807333040000022
为最小正周期。
进一步，所述综合特点值为H，H＝P1*T+P2*T*T＇+P3*(Q/n)；P1、P2、P3分别为权值，具体的，H＝P1*sin4θ*sin2θ*cos2θ+2cos2(2θ)*sin3θ*cosθ+P2*sin4θ*sin2θ*cos2θ+2cos2(2θ)*sin3θ*cosθ*(sin4θ*sin2θ*cos2θ+2cos2(2θ)*sin3θ*cosθ)＇+P3*(Q/n)，n为最小正周期个数，θ为与材料物理数据原本值一对一映射的单值，本值量在若干最小正周期中积累量为Q，，所述的综合特点值H与材料物理数据对应的材料分类值具有映射关系，确定了综合特点值H即确定了材料物理数据对应的材料分类值，所以综合特点值H作为提取特征能够直接的还原未分类的材料物理数据对应的材料分类。
新型的材料物理数据分类方法，包括步骤有：
规律数据采集通道以规律的时间采集未分类的材料物理数据；
本值特征计算单元计算未分类的材料物理数据的本值量，将计算的本值量以时间序列形式存储；
本值变化率计算单元确定采样周期，并计算本值量在最小正周期内的变化率量，并进行存储；
本值积累计算单元，确定采样周期，并计算本值量在若干最小正周期中的积累量，并进行存储；
综合计算提取单元，确定本值量、本值变化率量、本值积累量三个参数分别的权值并计算综合特点值，以综合特点值作为提取特征并还原未分类的材料物理数据对应的材料分类，然后给未分类的材料物理数据自动添加标签，自动添加的标签即分类标签。
有益效果
本申请能够实现全自动高效率的材料物理数据分类，尤其以综合特点值作为提取特征并还原未分类的材料物理数据对应的材料分类，然后给未分类的材料物理数据自动添加标签，自动添加的标签即分类标签。
具体实施方式
具体实施之中，本申请公开了新型的材料物理数据分类系统，其包括有，规律数据采集通道，用于以规律的时间采集未分类的材料物理数据；
本值特征计算单元，用以计算未分类的材料物理数据的本值量，将计算的本值量以时间序列形式存储；
本值变化率计算单元，用以确定采样周期，并计算本值量在最小正周期内的变化率量；并进行存储；
本值积累计算单元，用以确定采样周期，并计算本值量在若干最小正周期中的积累量，并进行存储；
综合计算提取单元，用以确定本值量、本值变化率量、本值积累量三个参数分别的权值并计算综合特点值，以综合特点值作为提取特征并还原未分类的材料物理数据对应的材料分类，然后给未分类的材料物理数据自动添加标签，自动添加的标签即分类标签。
在实施中，，规律数据采集通道以规律的时间采集未分类的材料物理数据；
本值特征计算单元计算未分类的材料物理数据的本值量，将计算的本值量以时间序列形式存储；
本值变化率计算单元确定采样周期，并计算本值量在最小正周期内的变化率量，并进行存储；
本值积累计算单元，确定采样周期，并计算本值量在若干最小正周期中的积累量，并进行存储；
综合计算提取单元，确定本值量、本值变化率量、本值积累量三个参数分别的权值并计算综合特点值，以综合特点值作为提取特征并还原未分类的材料物理数据对应的材料分类，然后给未分类的材料物理数据自动添加标签，自动添加的标签即分类标签。
因为不同的材料，它在规律性采集中具有不同的特点，所以说本申请通过数据处理的方式能够还原能够还原它的特点，然后根据它的特点来识别这种数据是哪种材料的具体数据，通过这种方式可以实现无监督全自动的并且不需要人工的对数据进行分类，才能真正意义上提高数据分类的效率，当然也能提高分类的效果，因为传统的人工进行分类时也会出现一些人为的错误。由于不同的材料物理具有不同的数据变化特点，并且具体在规律的时间采集物理数据时材料物理数据因材料的不同会呈现出不同的数据参数特点，在本申请中能够具体到呈现出不同的综合特点值，所以通过计算综合特点值就可以还原材料的分类。
可见本申请能够实现全自动高效率的材料物理数据分类，尤其以综合特点值作为提取特征并还原未分类的材料物理数据对应的材料分类，然后给未分类的材料物理数据自动添加标签，自动添加的标签即分类标签。
优选地所述计算未分类的材料物理数据的本值量，具体地将未分类的材料物理数据中的表征材料物理数据的本值转化为一个单值θ，θ与材料物理数据原本值一对一映射；计算，
T＝sin4θ*sin2θ*cos2θ+2cos2(2θ)*sin3θ*cosθ；T即未分类的材料物理数据的本值量。
优选地所述本值量在最小正周期内的变化率量可以用本值量T的导数代替，最小正周期内的变化率量为T＇＝(sin4θ*sin2θ*cos2θ+2cos2(2θ)*sin3θ*cosθ)＇，计算中可以先将所有本值量T拟合为一个连续的函数然后计算其导数。
优选地所述本值量在若干最小正周期中积累量为Q，当有n个最小正周期，
Figure BDA0003807333040000051
其中
Figure BDA0003807333040000052
为最小正周期。
优选地所述综合特点值为H，H＝P1*T+P2*T*T＇+P3*(Q/n)；P1、P2、P3分别为权值，具体的
H＝P1*sin4θ*sin2θ*cos2θ+2cos2(2θ)*sin3θ*cosθ+P2*sin4θ*sin2θ*cos2θ+2cos2(2θ)*sin3θ*cosθ*(sin4θ*sin2θ*cos2θ+2cos2(2θ)*sin3θ*cosθ)＇+P3*(Q/n)，n为最小正周期个数，θ为与材料物理数据原本值一对一映射的单值，本值量在若干最小正周期中积累量为Q，，所述的综合特点值H与材料物理数据对应的材料分类值具有映射关系，确定了综合特点值H即确定了材料物理数据对应的材料分类值，所以综合特点值H作为提取特征能够直接的还原未分类的材料物理数据对应的材料分类。
可以理解的，本申请中系统的功能的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。在本申请的上下文中，本申请中系统的功能的程序代码存储在机器可读介质，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
本申请公开了新型的材料物理数据分类方法包括步骤有
规律数据采集通道以规律的时间采集未分类的材料物理数据；
本值特征计算单元计算未分类的材料物理数据的本值量，将计算的本值量以时间序列形式存储；
本值变化率计算单元确定采样周期，并计算本值量在最小正周期内的变化率量，并进行存储；
本值积累计算单元，确定采样周期，并计算本值量在若干最小正周期中的积累量，并进行存储；
综合计算提取单元，确定本值量、本值变化率量、本值积累量三个参数分别的权值并计算综合特点值，以综合特点值作为提取特征并还原未分类的材料物理数据对应的材料分类，然后给未分类的材料物理数据自动添加标签，自动添加的标签即分类标签。
由技术常识可知，本发明可以通过其它的不脱离其精神实质或必要特征的实施方案来实现。上述公开的实施方案，就各方面而言，都只是举例说明，并不是仅有的。所有在本发明范围内或在等同于本发明的范围内的改变均被本发明包含。

Claims (6)

1.新型的材料物理数据分类系统，其特征在于，包括有：
规律数据采集通道，用于以规律的时间采集未分类的材料物理数据；
本值特征计算单元，用以计算未分类的材料物理数据的本值量，将计算的本值量以时间序列形式存储；
本值变化率计算单元，用以确定采样周期，并计算本值量在最小正周期内的变化率量；并进行存储；
本值积累计算单元，用以确定采样周期，并计算本值量在若干最小正周期中的积累量，并进行存储；
综合计算提取单元，用以确定本值量、本值变化率量、本值积累量三个参数分别的权值并计算综合特点值，以综合特点值作为提取特征并还原未分类的材料物理数据对应的材料分类，然后给未分类的材料物理数据自动添加标签，自动添加的标签即分类标签。
2.根据权利要求1所述的新型的材料物理数据分类系统，其特征在于，
所述计算未分类的材料物理数据的本值量，具体地将未分类的材料物理数据中的表征材料物理数据的本值转化为一个单值θ，θ与材料物理数据原本值一对一映射；计算，
T＝sin4θ*sin2θ*cos2θ+2cos2(2θ)*sin3θ*cosθ；T即未分类的材料物理数据的本值量。
3.根据权利要求1所述的新型的材料物理数据分类系统，其特征在于，
所述本值量在最小正周期内的变化率量可以用本值量T的导数代替，最小正周期内的变化率量为T＇＝(sin4θ*sin2θ*cos2θ+2cos2(2θ)*sin3θ*cosθ)＇，计算中可以先将所有本值量T拟合为一个连续的函数然后计算其导数。
4.根据权利要求1所述的新型的材料物理数据分类系统，其特征在于，
所述本值量在若干最小正周期中积累量为Q，当有n个最小正周期，
Figure FDA0003807333030000011
其中
Figure FDA0003807333030000012
为最小正周期。
5.根据权利要求1所述的新型的材料物理数据分类系统，其特征在于，
所述综合特点值为H，H＝P1*T+P2*T*T＇+P3*(Q/n)；P1、P2、P3分别为权值，具体的
H＝P1*sin4θ*sin2θ*cos2θ+2cos2(2θ)*sin3θ*cosθ+P2*sin4θ*sin2θ*cos2θ+2cos2
(2θ)*sin3θ*cosθ*(sin4θ*sin2θ*cos2θ+2cos2(2θ)*sin3θ*cosθ)＇+P3*(Q/n)，n为最小正周期个数，θ为与材料物理数据原本值一对一映射的单值，本值量在若干最小正周期中积累量为Q，，所述的综合特点值H与材料物理数据对应的材料分类值具有映射关系，确定了综合特点值H即确定了材料物理数据对应的材料分类值，所以综合特点值H作为提取特征能够直接的还原未分类的材料物理数据对应的材料分类。
6.新型的材料物理数据分类方法，其特征在于，
包括步骤有
规律数据采集通道以规律的时间采集未分类的材料物理数据；
本值特征计算单元计算未分类的材料物理数据的本值量，将计算的本值量以时间序列形式存储；
本值变化率计算单元确定采样周期，并计算本值量在最小正周期内的变化率量，并进行存储；
本值积累计算单元，确定采样周期，并计算本值量在若干最小正周期中的积累量，并进行存储；
综合计算提取单元，确定本值量、本值变化率量、本值积累量三个参数分别的权值并计算综合特点值，以综合特点值作为提取特征并还原未分类的材料物理数据对应的材料分类，然后给未分类的材料物理数据自动添加标签，自动添加的标签即分类标签。
CN202211000794.2A 2022-08-19 2022-08-19 新型的材料物理数据分类方法及系统 Active CN115270992B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211000794.2A CN115270992B (zh) 2022-08-19 2022-08-19 新型的材料物理数据分类方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211000794.2A CN115270992B (zh) 2022-08-19 2022-08-19 新型的材料物理数据分类方法及系统

Publications (2)

Publication Number Publication Date
CN115270992A true CN115270992A (zh) 2022-11-01
CN115270992B CN115270992B (zh) 2023-04-18

Family

ID=83753495

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211000794.2A Active CN115270992B (zh) 2022-08-19 2022-08-19 新型的材料物理数据分类方法及系统

Country Status (1)

Country Link
CN (1) CN115270992B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110082824A1 (en) * 2009-10-06 2011-04-07 David Allison Method for selecting an optimal classification protocol for classifying one or more targets
US20150219557A1 (en) * 2013-07-02 2015-08-06 Canon Kabushiki Kaisha Material classification
CN110073301A (zh) * 2017-08-02 2019-07-30 强力物联网投资组合2016有限公司 工业物联网中具有大数据集的数据收集环境下的检测方法和系统
CN110287194A (zh) * 2019-06-28 2019-09-27 牡丹江师范学院 一种基于计算机大数据的材料物理数据分类系统
JP2019185194A (ja) * 2018-04-03 2019-10-24 日本電信電話株式会社 因果関係学習装置、因果関係推定装置、因果関係学習方法、因果関係推定方法及びプログラム
CN110781363A (zh) * 2019-10-24 2020-02-11 牡丹江师范学院 基于大数据的材料物理数据分类方法、电子设备及存储介质
CN110796171A (zh) * 2019-09-27 2020-02-14 北京淇瑀信息科技有限公司 机器学习模型的未分类样本处理方法、装置及电子设备
CN111178376A (zh) * 2018-11-13 2020-05-19 鸿富锦精密电子（成都）有限公司 自动分类装置、自动分类方法及计算机可读存储介质
US20200184282A1 (en) * 2018-12-07 2020-06-11 Goodrich Corporation Automatic generation of a new class in a classification system
CN112926260A (zh) * 2021-02-08 2021-06-08 王艳磊 一种岩土材料物理力学参数准确估值新方法
CN113255752A (zh) * 2021-05-17 2021-08-13 济南弛枫网络科技有限公司 基于特征聚类的固体材料一致性分选方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110082824A1 (en) * 2009-10-06 2011-04-07 David Allison Method for selecting an optimal classification protocol for classifying one or more targets
US20150219557A1 (en) * 2013-07-02 2015-08-06 Canon Kabushiki Kaisha Material classification
CN110073301A (zh) * 2017-08-02 2019-07-30 强力物联网投资组合2016有限公司 工业物联网中具有大数据集的数据收集环境下的检测方法和系统
JP2019185194A (ja) * 2018-04-03 2019-10-24 日本電信電話株式会社 因果関係学習装置、因果関係推定装置、因果関係学習方法、因果関係推定方法及びプログラム
CN111178376A (zh) * 2018-11-13 2020-05-19 鸿富锦精密电子（成都）有限公司 自动分类装置、自动分类方法及计算机可读存储介质
US20200184282A1 (en) * 2018-12-07 2020-06-11 Goodrich Corporation Automatic generation of a new class in a classification system
CN110287194A (zh) * 2019-06-28 2019-09-27 牡丹江师范学院 一种基于计算机大数据的材料物理数据分类系统
CN110796171A (zh) * 2019-09-27 2020-02-14 北京淇瑀信息科技有限公司 机器学习模型的未分类样本处理方法、装置及电子设备
CN110781363A (zh) * 2019-10-24 2020-02-11 牡丹江师范学院 基于大数据的材料物理数据分类方法、电子设备及存储介质
CN112926260A (zh) * 2021-02-08 2021-06-08 王艳磊 一种岩土材料物理力学参数准确估值新方法
CN113255752A (zh) * 2021-05-17 2021-08-13 济南弛枫网络科技有限公司 基于特征聚类的固体材料一致性分选方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
NARGES ARMANFARD等: "Local Feature Selection for Data Classification" *
崔丕锁: "神经网络在一类数据样本分类中的应用研究" *

Also Published As

Publication number Publication date
CN115270992B (zh) 2023-04-18

Similar Documents

Publication Publication Date Title
CN105071983B (zh) 一种面向云计算在线业务的异常负载检测方法
CN109739739B (zh) 磁盘故障的预测方法、设备及存储介质
CN104951846B (zh) 微电网短期功率和负荷预测系统及误差分类动态修正方法
CN114997321A (zh) 一种台区户变关系识别方法、装置、电子设备及存储介质
CN112415329A (zh) 电压暂降辨识方法、装置、计算机设备和存储介质
CN117272117A (zh) 一种基于历史数据分析的电能计量方法及系统
CN115617784A (zh) 一种信息化配电的数据处理系统及其处理方法
CN115270992B (zh) 新型的材料物理数据分类方法及系统
CN117150437B (zh) 多源卫星海面风场数据融合方法、装置、设备及介质
CN112101313B (zh) 一种机房机器人巡检方法及系统
CN116612103B (zh) 一种基于机器视觉的建筑结构裂缝智能检测方法及其系统
KR20220064760A (ko) 발전량 예측이 가능한 태양광 발전장치
CN115986945A (zh) 一种基于工业互联网的电力设备监测方法、设备及介质
CN116152751A (zh) 一种图像处理的方法、装置、系统及存储介质
CN115567371A (zh) 一种异常检测方法、装置、设备及可读存储介质
CN112966762B (zh) 一种野生动物检测方法、装置、存储介质及电子设备
CN113344742A (zh) 基于聚类和时序分析的自动抄表成功率影响因素分析方法
CN114062997A (zh) 电能表的校验方法、系统以及装置
CN113703974A (zh) 一种预测服务器容量的方法及装置
CN113065599A (zh) 一种用于数据中心的能耗数据采集方法
CN112287338A (zh) 基于adasyn算法和改进卷积神经网络的入侵检测方法及装置
CN110544016A (zh) 评估气象因素对电力设备故障概率影响程度的方法和设备
US20150347937A1 (en) Characterizing Risks in Resource Distribution Systems
CN117270476B (zh) 基于智慧工厂的生产控制方法及系统
CN114064005B (zh) 基于软件基因的编程语言类型识别方法和装置

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