CN115292798A - 一种汽车整车车内电磁场强分布建模仿真及预测方法 - Google Patents
一种汽车整车车内电磁场强分布建模仿真及预测方法 Download PDFInfo
- Publication number
- CN115292798A CN115292798A CN202210472413.4A CN202210472413A CN115292798A CN 115292798 A CN115292798 A CN 115292798A CN 202210472413 A CN202210472413 A CN 202210472413A CN 115292798 A CN115292798 A CN 115292798A
- Authority
- CN
- China
- Prior art keywords
- field intensity
- modeling
- whole
- simulation
- intensity distribution
- 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.)
- Pending
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000009826 distribution Methods 0.000 title claims abstract description 31
- 230000005672 electromagnetic field Effects 0.000 title claims abstract description 23
- 238000012360 testing method Methods 0.000 claims abstract description 39
- 238000004364 calculation method Methods 0.000 claims abstract description 21
- 238000013461 design Methods 0.000 claims abstract description 7
- 230000005284 excitation Effects 0.000 claims description 6
- 239000002184 metal Substances 0.000 claims description 6
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000005034 decoration Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 3
- 238000009434 installation Methods 0.000 claims description 3
- 238000003786 synthesis reaction Methods 0.000 claims description 3
- 230000036039 immunity Effects 0.000 claims description 2
- 238000003860 storage Methods 0.000 claims description 2
- 238000011161 development Methods 0.000 abstract description 19
- 238000011156 evaluation Methods 0.000 abstract description 7
- 238000012937 correction Methods 0.000 abstract description 2
- 239000000243 solution Substances 0.000 description 4
- 238000009533 lab test Methods 0.000 description 3
- 238000012502 risk assessment Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
-
- 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
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种汽车整车车内电磁场强分布建模仿真及预测方法，包括整车3D数模简化及分组；整车电磁网格划分及优化；天线建模及校准；仿真空间环境设置；网格及近场校准点设置；运行求解及功率系数计算；整车仿真设置及计算；求解并查看仿真结果进行风险预测。本发明从造型确定即可对当前造型车身结构进行车内电磁场强分布风险评估，对设计进行前期风险评估，提前识别具体造型下敏感器件相对最优布置位置选择；将风险识别提前来指导开发设计，对确定的造型有后期的先布置再定性经验判断转化为前置定量的客观判断，提升判断准确性，从而有效规避风险，大大降低项目前期摸底测试的周期及费用，正向开发大幅降低后期出现问题的整改及测试成本。
Description
技术领域
本发明属于整车电磁性能建模及仿真技术领域，具体涉及一种汽车整车车内电磁场强分布建模仿真及预测方法。
背景技术
电磁兼容性能在车辆的经济性、安全性等方面起着非常重要的作用。随着越来越多的高科技汽车电子产品的开发与应用，车辆电磁兼容问题成为了一个不容忽视的重要问题，电磁兼容开发与测试也变得越来越重要。
其中，车辆对外的骚扰控制有明确的指标限值要求，相对更容易控制，但是集成后的整车的抗扰能力因各个车型的结构及装备布置有着完全不同的表现。如何在项目开发之出，及时快速低成本地实现风险识别及预测是整车企业开发水平的体现。
由于造型固定限制了整车结构，同时布置空间有限，普遍的开发方式是基于确定的造型结构，进行经验布置，之后对确定的布置进行，经验性定性评价电磁兼容风险，无法量化指标，在项目间难以说服布置进行优化。当项目后期测试出问题再整改，周期长、代价高、甚至影响项目周期。因此，定量化、前置的仿真预测方法，对项目整体开发是最必要的。
发明内容
本发明的目的就在于提供一种汽车整车车内电磁场强分布建模仿真及预测方法，以解决及时快速低成本地实现汽车整车车内电磁场强分布建模仿真及预测的问题。采用CATIA+Hypermesh+FEKO联合建模及仿真计算，构建虚拟测试场景，通过软件对整车及测试天线进行建模及参数设置，配合软件计算得出对应造型的车内相对场强分布，从而指导布置最优化方案，继而有针对性对风险预判及时有效的规避措施，此方法简单高效直观，成本低。
本发明的目的是通过以下技术方案实现的：
一种汽车整车车内电磁场强分布建模仿真及预测方法，包括以下步骤：
A、整车3D数模简化及分组；
B、整车电磁网格划分及优化；
C、天线建模及校准；
D、仿真空间环境设置；
E、网格及近场校准点设置；
F、运行求解及功率系数计算；
G、整车仿真设置及计算；
H、求解并查看仿真结果进行风险预测。
进一步地，步骤A、具体为：利用CATIA对整车3D数据进行电磁建模简化，删除内外饰零件，根据计算波长保留车身及系统零件，将简化后的整车进行模块分拆，并存储。
进一步地，步骤B，具体为：对简化后的整车模型通过Hypermesh进行电磁网格划分；分模块进行零件梳理，对金属零件进行几何清理，抽取面，进行几何优化，划分网格；对各个零件网格进行模块合成并进行网格连接及质量检查，以满足计算要求，将各个模块拼接成整车，并检查。
进一步地，步骤C、具体为：对天线模型添加端口及激励，设置功率、工作频率等参数，建立抗扰测试天线模型，将所有天线模块部件进行组合，保证各模型连接符合实际安装方式。
进一步地，步骤D，具体为：Hypermesh中参考测试环境进行仿真空间环境设置，为模拟半电波暗室环境，建立金属地板。
进一步地，步骤E，采用四点法对天线进行校准。
进一步地，步骤F，仿真模拟100V/m抗扰强度下的车内场强结果，通过4 个观测点场强结果，求解1W功率下的功率系数，1W功率计算校准点场强E1， EMC场强限值100V/m,功率校准系数＝1(W)*(100/E1)^2，得到100V/m 的功率校准系数。
进一步地，步骤G，具体为：将整车网格模型导入FEKO软件，结合天线模型进行设置，位置调整至与实际真实测试场地一致，选择观测点进行设置，运行软件计算得出场强结果。
进一步地，步骤H，具体为：读取计算结果，单位测试激励下的场强值，通过关注的标准场强要求及非标的设计需求场强标准，进行功率系数校准，得出该位置仿真场强值，用于评估风险等级。
与现有技术相比，本发明的有益效果是：
1、本发明采用联合CATIA+Hypermesh+FEKO联合建模及仿真计算，通过简化汽车整车数据特征，提取电磁反射面，划分电磁网格，通过对实际实验室测试天线实物进行数字化建模，通过FEKO软件设置及标定天线虚拟模型及整车网格模型布置，采用标准要求的测试场强及按需设置的非标场强通过虚拟天线模型对整车网格模型进行场强注入，从而通过FEKO计算及后处理软件提取所需整车所关注的特定位置进行标准化评估及非标设置风险评估；
2、对开发过程中，项目前期提前预估在特定整车造型特征下的车内场强分布状态，对通过标准的风险及开发余量预留的风险，进行量化表征；在整车的造型确定后，对敏感器件布置提供指导及场强风险预估；对特定的位置及器件工作频率提出风险预警；对项目后期，出现问题的测试车辆进行整改时，提供一种分析手段。在整改测试前，对整改部分及位置进行虚拟验证，减少盲目测试的测试成本及周期投入；
3、通过模型及计算软件构建虚拟测试场景去代替实车摸底测试，达到实测同样的效果，方便操作，省时高效，节约成本，且能够实现特定造型条件下场强分布水平进行预测，从而最优化特定整车造型下的电气及接地布置，降低电磁兼容风险，大大降低后期车辆整改测试等成本，提升研发水平。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1是FEKO软件内抗扰天线：
图2是200M～2GHz抗扰测试天线模型：
图3是汽车整车车内电磁场强分布建模仿真及预测方法流程。
具体实施方式
下面结合实施例对本发明作进一步说明：
本发明汽车整车车内场强分布建模仿真及预测方法，结合多个建模及计算软件进行预测方法，包括整车天线模型创建及整车车内场强分布建模仿真及预测。
如图3所示，本发明汽车整车车内电磁场强分布建模仿真及预测方法，包括以下步骤：
步骤一、整车3D数模简化及分组；
步骤二、整车电磁网格划分及优化；
步骤三、天线建模及校准；
步骤四、仿真空间环境设置；
步骤五、网格及近场校准点设置；
步骤六、运行求解及功率系数计算；
步骤七、整车仿真设置及计算；
步骤八、求解并查看仿真结果进行风险预测。
具体步骤如下：
步骤一、针对整车数据CATIA 3D数模进行合理简化；；
利用CATIA对整车3D数据进行电磁建模简化，删除内外饰零件，根据计算波长保留车身及系统零件。将简化后的整车进行模块分拆，分别进行存储命名，为前处理网格划分做准备。
步骤二、对简化后的整车模型通过Hypermesh进行电磁网格划分；
分模块进行零件梳理，对金属零件进行几何清理，抽取面，进行几何优化，划分网格。对各个零件网格进行模块合成并进行网格连接及质量检查，以满足计算要求，将各个模块拼接成整车，并检查。
步骤三、天线建模及校准
因FEKO已提供20～220MHz频段的抗扰测试天线，天线尺寸与实际相符，所以可直接使用该天线模型。对天线模型添加端口及激励，设置功率、工作频率等参数。因FEKO未提供200M～2GHz频段测试天线，所以在进行车内场强仿真之前，需建立抗扰测试天线模型。抗扰测试天线实物如图1所示，收集到的抗扰测试天线数模如图2所示。将所有天线模块部件进行组合，保证各模型连接符合实际安装方式。
步骤四、仿真空间环境设置；
软件中参考测试环境进行仿真空间环境设置，三维空间为自由空间，电磁波没有反射，相当于被吸收。为模拟半电波暗室环境，可建立金属地板。
步骤五、网格及近场校准点设置。
为模拟自由场抗扰的测试要求，需进行天线校准。依据ISO11451-2标准，采用四点法校准。
步骤六、运行求解及功率系数计算。
仿真为如模拟100V/m抗扰强度下的车内场强结果，可通过4个观测点场强结果，求解1W功率下的功率系数。1W功率计算校准点场强E1，EMC场强限值100V/m,功率校准系数＝1(W)*(100/E1)^2，得到100V/m的功率校准系数。
步骤七、整车仿真设置及计算。
将整车网格模型导入FEKO软件，结合天线模型进行设置，位置调整至与实际真实测试场地一致。选择观测点进行设置，运行软件计算得出场强结果。
步骤八、求解并查看仿真结果进行风险预测
通过软件读取计算结果，单位测试激励下的场强值，通过关注的标准场强要求及非标的设计需求场强标准，进行功率系数校准，得出该位置仿真场强值。用于评估风险等级。
本方法是采用联合CATIA+Hypermesh+FEKO联合建模及仿真计算，通过简化汽车整车数据特征，提取电磁反射面，划分电磁网格，通过对实际实验室测试天线实物进行数字化建模，通过FEKO软件设置及标定天线虚拟模型及整车网格模型布置，采用标准要求的测试场强及按需设置的非标场强通过虚拟天线模型对整车网格模型进行场强注入，从而通过FEKO计算及后处理软件提取所需整车所关注的特定位置进行标准化评估及非标设置风险评估。
对开发过程中，项目前期提前预估在特定整车造型特征下的车内场强分布状态，对通过标准的风险及开发余量预留的风险，进行量化表征。在整车的造型确定后，对敏感器件布置方面提供指导及场强风险预估。对特定的位置及器件工作频率提出风险预警。对项目后期，出现问题的测试车辆进行整改时，提供一种分析手段。在整改测试前，对整改部分及位置进行虚拟验证，减少盲目测试的测试成本及周期投入。采用软件构建整车虚拟抗扰试验场景的方法获得整车内的电磁场强分布状态，从而量化预测当车辆遭遇来自特定外部特定场强的情况下，特定造型条件下的车内电磁场强分布水平的一种方法。
虽然，所有的仿真受限与建模及计算精度，不能完全对应真实的实验室测试，但是其对有造型决定的车身结构形状的电磁场强的分布水平的相对趋势是具有直接前置的指导意义的。该方法不能完全取代实车测试，但可作为车型开发的风险评估手段，提前给出量化的分布水平预测，对开发布置具有指导意义，在节省周期、成本方面较实际摸底测试有巨大优势。同时，随着开发进度不同阶段，可以完善模型，同步开发状态进行同步阶段性风险评估预警，贯穿整车开发的各个阶段。及时提出风险，或给出低风险的预判，作为项目推进的有力支撑。
本发明汽车车内场强分布建模及仿真预测方法，通过整车建模及仿真计算结合计算软件数据处理可将软件环境转化为虚拟整车电波暗室。从造型确定即可对当前造型车身结构进行车内电磁场强分布风险评估，对设计进行前期风险评估，提前识别具体造型下敏感器件相对最优布置位置选择。将风险识别提前来指导开发设计，对确定的造型有后期的先布置再定性经验判断转化为前置定量的客观判断，提升判断准确性，从而有效规避风险，大大降低项目前期摸底测试的周期及费用，正向开发大幅降低后期出现问题的整改及测试成本。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (9)
1.一种汽车整车车内电磁场强分布建模仿真及预测方法，其特征在于，包括以下步骤：
A、整车3D数模简化及分组；
B、整车电磁网格划分及优化；
C、天线建模及校准；
D、仿真空间环境设置；
E、网格及近场校准点设置；
F、运行求解及功率系数计算；
G、整车仿真设置及计算；
H、求解并查看仿真结果进行风险预测。
2.根据权利要求1所述的一种汽车整车车内电磁场强分布建模仿真及预测方法，其特征在于，步骤A、具体为：利用CATIA对整车3D数据进行电磁建模简化，删除内外饰零件，根据计算波长保留车身及系统零件，将简化后的整车进行模块分拆，并存储。
3.根据权利要求1所述的一种汽车整车车内电磁场强分布建模仿真及预测方法，其特征在于，步骤B，具体为：对简化后的整车模型通过Hypermesh进行电磁网格划分；分模块进行零件梳理，对金属零件进行几何清理，抽取面，进行几何优化，划分网格；对各个零件网格进行模块合成并进行网格连接及质量检查，以满足计算要求，将各个模块拼接成整车，并检查。
4.根据权利要求1所述的一种汽车整车车内电磁场强分布建模仿真及预测方法，其特征在于，步骤C、具体为：对天线模型添加端口及激励，设置功率、工作频率等参数，建立抗扰测试天线模型，将所有天线模块部件进行组合，保证各模型连接符合实际安装方式。
5.根据权利要求1所述的一种汽车整车车内电磁场强分布建模仿真及预测方法，其特征在于，步骤D，具体为：Hypermesh中参考测试环境进行仿真空间环境设置，为模拟半电波暗室环境，建立金属地板。
6.根据权利要求1所述的一种汽车整车车内电磁场强分布建模仿真及预测方法，其特征在于，步骤E，采用四点法对天线进行校准。
7.根据权利要求1所述的一种汽车整车车内电磁场强分布建模仿真及预测方法，其特征在于：步骤F，仿真模拟100V/m抗扰强度下的车内场强结果，通过4个观测点场强结果，求解1W功率下的功率系数，1W功率计算校准点场强E1，EMC场强限值100V/m,功率校准系数＝1(W)*(100/E1)^2，得到100V/m的功率校准系数。
8.根据权利要求1所述的一种汽车整车车内电磁场强分布建模仿真及预测方法，其特征在于，步骤G，具体为：将整车网格模型导入FEKO软件，结合天线模型进行设置，位置调整至与实际真实测试场地一致，选择观测点进行设置，运行软件计算得出场强结果。
9.根据权利要求1所述的一种汽车整车车内电磁场强分布建模仿真及预测方法，其特征在于，步骤H，具体为：读取计算结果，单位测试激励下的场强值，通过关注的标准场强要求及非标的设计需求场强标准，进行功率系数校准，得出该位置仿真场强值，用于评估风险等级。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210472413.4A CN115292798A (zh) | 2022-04-29 | 2022-04-29 | 一种汽车整车车内电磁场强分布建模仿真及预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210472413.4A CN115292798A (zh) | 2022-04-29 | 2022-04-29 | 一种汽车整车车内电磁场强分布建模仿真及预测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115292798A true CN115292798A (zh) | 2022-11-04 |
Family
ID=83819514
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210472413.4A Pending CN115292798A (zh) | 2022-04-29 | 2022-04-29 | 一种汽车整车车内电磁场强分布建模仿真及预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115292798A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116680939A (zh) * | 2023-08-04 | 2023-09-01 | 深圳市上融科技有限公司 | 一种电磁屏与显示玻璃的匹配度调整方法 |
| WO2024108890A1 (zh) * | 2022-11-25 | 2024-05-30 | 一汽奔腾轿车有限公司 | 一种电动车蓝牙天线布置优化建模及仿真计算方法 |
-
2022
- 2022-04-29 CN CN202210472413.4A patent/CN115292798A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024108890A1 (zh) * | 2022-11-25 | 2024-05-30 | 一汽奔腾轿车有限公司 | 一种电动车蓝牙天线布置优化建模及仿真计算方法 |
| CN116680939A (zh) * | 2023-08-04 | 2023-09-01 | 深圳市上融科技有限公司 | 一种电磁屏与显示玻璃的匹配度调整方法 |
| CN116680939B (zh) * | 2023-08-04 | 2024-01-26 | 深圳市上融科技有限公司 | 一种电磁屏与显示玻璃的匹配度调整方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115292798A (zh) | 一种汽车整车车内电磁场强分布建模仿真及预测方法 | |
| CN115062502A (zh) | 一种电动车高压系统辐射发射建模仿真及预测方法 | |
| CN108387802B (zh) | 一种整车接地系统的电磁兼容评估方法及装置 | |
| Xu et al. | Reliability design of battery management system for power battery | |
| CN103487759A (zh) | 一种混合动力汽车电池soc预测方法 | |
| CN112149223B (zh) | 一种车辆电磁环境仿真方法 | |
| CN108152601B (zh) | 电动汽车高压线束共模噪声引起的低频辐射发射预测方法 | |
| CN102156272A (zh) | 电能计量检定方法、装置和系统 | |
| CN113655348A (zh) | 一种基于深度孪生网络的电力设备局部放电故障诊断方法、系统终端及可读存储介质 | |
| WO2024198282A1 (zh) | 零部件辐射发射电磁场风险预测方法、装置、设备及介质 | |
| CN114236317A (zh) | 电缆缺陷评估方法、装置、终端及存储介质 | |
| CN113255255A (zh) | 一种集成电路热真空试验系统 | |
| WO2024108890A1 (zh) | 一种电动车蓝牙天线布置优化建模及仿真计算方法 | |
| CN115169068A (zh) | 一种电动汽车的电磁辐射的仿真方法、装置及存储介质 | |
| CN110888011B (zh) | 一种基于测试性建模的原位测试方法及测试装置 | |
| CN115754527A (zh) | 一种快速计算电动汽车磁场辐射发射量的简易方法 | |
| CN102721909B (zh) | 电缆本体特高频辐射特性仿真方法和系统 | |
| CN115828429A (zh) | 车辆4g与gps组合天线优化布置的仿真计算方法 | |
| CN115291012A (zh) | 基于整车电磁辐射数据库的电磁兼容性评价方法及系统 | |
| CN116029160A (zh) | 光伏组件缺陷与发电效率损失的映射模型构建方法及系统 | |
| CN102722630B (zh) | 电缆终端特高频辐射特性仿真方法和系统 | |
| CN115598993A (zh) | 半实物仿真红外场景物理效应模拟效果的评估方法和系统 | |
| CN103886122A (zh) | 基于模块化设计的非标测漏设备可适应设计方法 | |
| CN107748822B (zh) | 一种发动机附件仿真分析中的配重方法 | |
| CN111402552A (zh) | 一种电力设备监测报警系统及方法 |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Country or region after: China Address after: 130012 no.4888, Yushan Road, Changchun high tech Development Zone, Jilin Province Applicant after: FAW Besturn Automotive Co.,Ltd. Address before: 130000 No. 4888, Weishan Road, high tech Development Zone, Changchun City, Jilin Province Applicant before: FAW Pentium Car Co.,Ltd. Country or region before: China |