CN115475900A - 一种传动轴自动化精密锻造的方法和系统 - Google Patents
一种传动轴自动化精密锻造的方法和系统 Download PDFInfo
- Publication number
- CN115475900A CN115475900A CN202211137807.0A CN202211137807A CN115475900A CN 115475900 A CN115475900 A CN 115475900A CN 202211137807 A CN202211137807 A CN 202211137807A CN 115475900 A CN115475900 A CN 115475900A
- Authority
- CN
- China
- Prior art keywords
- data
- vector
- allowance
- machining
- determining
- 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
- 238000005242 forging Methods 0.000 title claims abstract description 89
- 230000005540 biological transmission Effects 0.000 title claims abstract description 72
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000003754 machining Methods 0.000 claims abstract description 149
- 230000008859 change Effects 0.000 claims abstract description 62
- 230000007613 environmental effect Effects 0.000 claims abstract description 33
- 239000013598 vector Substances 0.000 claims description 121
- 238000012545 processing Methods 0.000 claims description 54
- 230000008569 process Effects 0.000 claims description 31
- 238000000605 extraction Methods 0.000 claims description 13
- 238000010801 machine learning Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 description 12
- 238000001816 cooling Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 239000000463 material Substances 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 238000004519 manufacturing process Methods 0.000 description 8
- 230000004048 modification Effects 0.000 description 8
- 238000012986 modification Methods 0.000 description 8
- 238000005520 cutting process Methods 0.000 description 5
- 239000011265 semifinished product Substances 0.000 description 5
- 239000002994 raw material Substances 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 229910000617 Mangalloy Inorganic materials 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 2
- 239000012080 ambient air Substances 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 229910003460 diamond Inorganic materials 0.000 description 2
- 239000010432 diamond Substances 0.000 description 2
- 238000000227 grinding Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000003801 milling Methods 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 238000001073 sample cooling Methods 0.000 description 2
- 229910000997 High-speed steel Inorganic materials 0.000 description 1
- 229910001209 Low-carbon steel Inorganic materials 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 239000003570 air Substances 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000010273 cold forging Methods 0.000 description 1
- 230000009365 direct transmission Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000010080 roll forging Methods 0.000 description 1
- 239000010865 sewage Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21J—FORGING; HAMMERING; PRESSING METAL; RIVETING; FORGE FURNACES
- B21J5/00—Methods for forging, hammering, or pressing; Special equipment or accessories therefor
- B21J5/002—Hybrid process, e.g. forging following casting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Numerical Control (AREA)
Abstract
本说明书实施例提供一种传动轴自动化精密锻造的方法和系统,该方法包括以下工序:锻造、粗车加工、精车加工;所述粗车加工包括以下操作:获取传动轴锻造数据以及车床数据;基于传动轴锻造数据以及车床数据,确定粗车加工的参考余量;基于环境数据确定变更余量;基于参考余量和变更余量确定加工余量;该系统包括:数据获取模块、参考余量确定模块、变更余量确定模块和加工余量确定模块。
Description
技术领域
本说明书涉及传动轴加工领域,特别涉及一种传动轴自动化精密锻造的方法和系统。
背景技术
在传动轴机械加工过程中,加工余量指零件表面预留的金属层的厚度,去除加工余量后可以获得设计要求的加工表面。加工余量过大,不仅增加机械加工的劳动量,降低生产效率,而且增加材料、工具和电力等的消耗,增加成本;此外还产生大量热,影响加工精度;但是加工余量过小,又不能保证消除前一道工序的各种误差和表面缺陷,甚至产生不合格品。
因此,期望提出一种传动轴自动化精密锻造的方法,能够合理地控制各流程加工余量,提高加工效率和加工质量,节约成本。
发明内容
本说明书一个或多个实施例提供一种传动轴自动化精密锻造的方法。所述汽车传动轴的加工方法包括以下工序:锻造、粗车加工、精车加工;所述精车加工包括以下操作:获取传动轴锻造数据以及车床数据;基于所述传动轴锻造数据以及所述车床数据,确定所述粗车加工的参考余量;基于环境数据确定变更余量;基于所述参考余量和所述变更余量确定加工余量。
本说明书一个或多个实施例提供一种传动轴自动化精密锻造的系统。所述系统包括:数据获取模块、参考余量确定模块、变更余量确定模块和加工余量确定模块。所述数据获取模块,用于获取传动轴锻造数据以及车床数据;所述参考余量确定模块,用于基于所述传动轴锻造数据以及所述车床数据,确定所述粗车加工的参考余量;所述变更余量确定模块,用于基于环境数据确定变更余量;所述加工余量确定模块,用于基于所述参考余量和所述变更余量确定加工余量。
本说明书一个或多个实施例提供一种传动轴自动化精密锻造的装置,包括至少一个处理器以及至少一个存储器;所述至少一个存储器用于存储计算机指令;所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现传动轴自动化精密锻造的方法。
本说明书一个或多个实施例提供一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行传动轴自动化精密锻造的方法。
附图说明
本说明书将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本说明书一些实施例所示的传动轴自动化精密锻造的系统的应用场景示意图;
图2是根据本说明书一些实施例所示的传动轴自动化精密锻造的系统的示例性模块图;
图3是根据本说明书一些实施例所示的传动轴自动化精密锻造的方法的示例性流程图;
图4是根据本说明书一些实施例所示的如何确定参考余量的示例性流程图;
图5是根据本说明书一些实施例所示的余量预测模型的示例性结构示意图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本说明书的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
图1是根据本说明书一些实施例所示的传动轴自动化精密锻造的应用场景示意图。
传动轴是一种机械零件,主要用于传递扭矩和旋转产生的动力,通常用于元件间距离较远或不容易直接传送的情况。例如,汽车的传动轴可以与汽车的变速箱、驱动桥一起将发动机的动力传递给车轮,使汽车产生驱动力。在一些实施例中,传动轴可以包括轴管、伸缩套和万向节。其中,伸缩套可以自动调节变速器与驱动桥之间距离的变化,万向节可以保证变速器输出轴与驱动桥输入轴两轴线夹角的变化,并实现两轴的等角速传动。在一些实施例中,传动轴的类型可以包括刚性万向节传动轴和挠性万向节传动轴。在一些实施例中,传动轴可以用在不同类型的车辆上,例如油罐车、加油车、洒水车、吸污车、消防车、高压清洗车等车型上。在一些实施例中,传动轴还可以用在工程机械上,例如液压抓斗机、振动筛等。在一些实施例中,传动轴还可以用于其他机械上,此处不做过多限制。
传动轴的质量要求相对较高。在一些实施例中,可以通过改善传动轴的加工工序,提升加工精度和加工质量,保证传动轴的质量。其中,加工精度可以包括传动轴加工过程中的不同工序的加工精度。例如,加工精度可以包括粗车加工后的加工精度。又例如,加工精度数据还可以包括切削加工、铣刨加工和/或打磨加工后的加工精度。
在一些实施例中,传动轴自动化精密锻造的系统可以根据锻造数据、车床数据和环境数据等,合理地控制各流程的加工余量,提高传动轴加工的效率和质量,节约成本。如图1所示,传动轴自动化精密锻造的系统的应用场景100可以为传动轴的加工生成场景,在传动轴自动化精密锻造的中,可以包含以下工序:锻造110,粗车加工120和精车加工130。传动轴自动化精密锻造的系统可以获取各道加工工序的数据并确定相应的加工信息,例如传动轴自动化精密锻造的系统可以获取粗车加工的锻造数据、车床数据和环境数据,并基于锻造数据、车床数据和环境数据确定加工余量。
在一些实施例中,传动轴自动化精密锻造的系统的应用场景100可以包括处理器(图中未示出),传动轴自动化精密锻造的系统可以作为处理器的一部分并分别与各道加工工序的控制单元进行通讯连接以作为整个传动轴自动化精密锻造的控制中心。在一些实施例中,传动轴自动化精密锻造的系统也可以与的其中一道或多道加工工序的控制单元进行通讯连接,以作为其控制中心。
锻造110是指对坯料施加压力,使其产生塑性变形以获得具有一定机械性能、一定形状和尺寸的传动轴毛坯的加工方法。例如,可以通过锻造110将金属原料按照一定的锻造工艺加工成符合设计性能、形状和尺寸等要求的传动轴毛坯。在一些实施例中,通过锻造110得到的传动轴毛坯可以作为粗车加工120的原料。在一些实施例中,通过锻造110得到的传动轴毛坯可以具有较大的加工余量。在一些实施例中,锻造110可以包括自由锻、模锻、碾环、特种锻造等一种或多种方式,其中,特种锻造可以包括辊锻、楔横轧、径向锻造、液态模锻等一种或多种方式。在一些实施例中,锻造110还可以包括热锻、温锻和冷锻等一种或多种锻造方式。
粗车加工120是指对传动轴毛坯进行粗加工得到传动轴粗坯。例如,可以通过粗车加工120切削掉传动轴毛坯多余的余量得到传动轴粗坯。在一些实施例中,在进行粗车加工120时,可以在允许范围内选择较大的切削深度和进给量,切削深度和进给量的选择可以根据具体情决定。在一些实施例中,在进行粗车加工120时,可以根据传动轴的锻造数据、车床数据和环境数据确定加工余量。在一些实施例中,通过粗车加工120得到的传动轴粗坯可以作为精车加工130的原料。
精车加工130是指对传动轴粗坯进行精加工得到符合加工精度要求的传动轴。例如,可以通过精车加工130,结合控制指令,对传动轴粗坯进行加工,得到满足精度预设条件的工件。在一些实施例中,在精车加工130中,可以结合冷却功率调整指令,来降低环境温度和车床散热对传动轴加工的影响,提高传动轴加工的精度。
需要注意的是,以上对于传动轴自动化精密锻造的系统的描述,仅为描述方便,并不能把本说明书限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该系统的原理后,可能在不背离这一原理的情况下,对各个模块进行任意组合,或者构成子系统与其他模块连接。
图2是根据本说明书一些实施例所示的传动轴自动化精密锻造的系统的示例性模块图。在一些实施例中,系统200可以包括数据获取模块210、参考余量确定模块220、变更余量确定模块230和加工余量确定模块240。
数据获取模块210可以用于获取传动轴锻造数据以及车床数据。关于传动轴数据和车床数据的进一步说明参见图3。
参考余量确定模块220,可以用于基于传动轴锻造数据以及所述车床数据,确定粗车加工的参考余量。关于参考余量的进一步说明参见图3。
在一些实施例中,参考余量确定模块220还可以用于基于传动轴锻造数据以及车床数据构建加工向量;基于向量距离,在历史向量库中匹配加工向量对应的参考向量;基于参考向量确定历史参考余量;基于历史参考余量确定粗车加工的参考余量。关于加工向量、向量距离、加工向量和历史参考余量的进一步说明参见图4。
变更余量确定模块230,可以用于基于环境数据确定变更余量。关于环境数据和变更余量的进一步说明参见图3。
在一些实施例中,变更余量确定模块230还可以用于基于余量预测模型对环境数据的处理,确定变更余量;余量预测模型为机器学习模型。关于余量预测模型的进一步说明参见图5。
加工余量确定模块240,可以用于基于参考余量和变更余量确定加工余量。关于加工余量的进一步说明参见图4。
在一些实施例中,图2中披露的数据获取模块210、参考余量确定模块220、变更余量确定模块230和加工余量确定模块240可以是一个系统中的不同模块,也可以是一个模块实现上述的两个或两个以上模块的功能。例如,各个模块可以共用一个存储模块,各个模块也可以分别具有各自的存储模块。诸如此类的变形,均在本说明书的保护范围之内。
图3是根据本说明书一些实施例所示的传动轴自动化精密锻造的方法的示例性流程图。在一些实施例中,该流程可以由系统200执行。如图3所示,流程300可以包括以下步骤:
步骤310,获取传动轴锻造数据以及车床数据。
传动轴可以指万向传动装置中用于传递动力的轴承。例如,传动轴可以是小汽车传动系统中的轴承。关于传动轴的更多说明,可以参见图1及其相关描述。
锻造数据可以指在传动轴锻造过程中涉及的加工参数。例如,锻造数据可以包括但不限于原材料数据、工序数据和传动轴数据等,其中,原材料数据可以包括材质、密度和粗坯尺寸等;工序数据可以包括锻造流程涉及的工序种类和数量等;传动轴数据可以包括传动轴的标准尺寸以及加工精度等。
车床数据可以指加工传动轴所使用的车床的相关参数。例如,车床数据可以包括但不限于车床类型以及加工刀具类型等。又例如,车床数据可以是卧式车床、立式车床或单轴车床等。又例如,车床数据可以是高速钢刀具、硬质合金刀具或金刚石刀具等。
在一些实施例中,可以通过用户输入和/或查表等方式获取传动轴锻造数据和/或车床数据。例如,可以基于用户输入的数据获取传动轴锻造数据。又例如,可以通过查表获取车床数据。
步骤320,基于传动轴锻造数据以及车床数据,确定粗车加工的参考余量。
粗车加工可以指对传动轴进行初步加工的加工过程。例如,粗车加工可以是对粗坯和/或毛坯进行切削处理,以获取满足要求的传动轴半成品的加工过程。关于粗坯和毛坯的更多说明,参见图1及其相关描述。
参考余量可以指在传动轴加工过程中,预先确定的理想情况下的材料余量。例如,参考余量可以是预先确定的传动轴半成品表面预留材料的厚度值。可以理解的是,确定合适的参考余量可以为后续确定实际的加工余量提供合理的数据制支撑。关于加工余量的更多说明,参见本说明书其他部分的内容。
在一些实施例中,可以通过对不同的传动轴锻造数据以及车床数据进行处理,确定不同的参考余量。例如,可以基于不同的传动轴锻造数据、不同的车床数据,以及对应的参考余量建立数据表,并基于当前的传动轴锻造数据以及车床数据,通过查表确定参考余量。又例如,还可以利用参数拟合和/或差值法等方法,基于当前的传动轴锻造数据和车床数据,以及历史加工过程中的传动轴锻造数据和车床数据之间的差异,确定参考余量。
步骤330,基于环境数据确定变更余量。
环境数据可以指传动轴加工过程中周围环境的信息。例如,环境数据可以包括但不限于环境气温、车床温度以及加工刀具温度等。
在一些实施例中,可以利用温度传感器和/或温度监测设备获取环境数据。例如,可以利用多个位置的温度传感器和红外热成像仪,获取不同位置的温度数据。又例如,还可以利用热电偶或辐射温度计等装置获取温度数据。
变更余量可以指与传动轴环境有关的对参考余量进行调整的调整余量值。例如,变更余量可以是在参考余量的基础上适当调增/调减一定值。例如,当环境气温变化较大时,可以基于变更余量适当调整参考余量。仅作为示例的,当加工刀具温度较高时,则变更余量为正值,表示可以适当增加参考余量。当环境温度较低且波动较小时,则变更余量为负值,表示可以适当调低参考余量作为变更余量。通过确定变更余量,并基于变更余量,在参考余量的基础上进行调整,可以使最终确定的加工余量更符合实际情况的需求,以保证加工质量。
在一些实施例中,可以利用建模、查表、建立数据库以及根据经验判断等多种方法,确定变更余量。例如,可以基于不同的环境数据以及对应的合适的变更余量建立数据表,然后基于当前环境数据,通过查表的方式确定当前环境数据对应的变更余量。又例如,还可以通过建立机器学习模型,对环境数据进行处理,输出变更余量。关于如何确定变更余量的更多说明,参见图5及其相关描述。
步骤340,基于参考余量和变更余量确定加工余量。
在一些实施例中,加工余量可以包括当前实时确定的余量数据。加工余量可以指传动轴加工过程中确定的实际余量。例如,加工余量可以是加工后实际确定的传动轴半成品表面预留材料的厚度值。可以理解的是,预留一定的加工余量,可以在后道加工程序中通过对加工余量的处理,实现一定程度上消除前一道工序的误差和表面缺陷,避免产生废品。同时,合理的加工余量又可以避免过大的余量导致加工效率过低和加工成本的增加。
在一些实施例中,可以利用函数计算、数值拟合和/或建模等方法,对参考余量和加工余量进行处理,以确定加工余量。例如,可以建立计算函数,则加工余量=参考余量+变更余量*权重值,其中,权重值可以反映环境数据的变化幅度。环境数据的变化幅度可以包括环境气温、车床温度以及加工刀具温度的不同时间点的温度差异。可以理解的是,环境数据的变化幅度越大,权重值越小,以使加工余量保持足够的准确度,避免过度调整加工余量导致加工质量降低。
在本说明书一些实施例中,通过确定参考余量,然后基于实际获取的环境数据,确定变更余量,并实时对参考余量进行调整确定最终应用的加工余量,充分考虑了环境因素对传动轴加工过程的影响,能够合理地控制各个传动轴加工流程中的加工余量,进一步提高加工效率和加工质量,节约成本。
应当注意的是,上述有关流程300的描述仅仅是为了示例和说明,而不限定本说明书的适用范围。对于本领域技术人员来说,在本说明书的指导下可以对流程300进行各种修正和改变。然而,这些修正和改变仍在本说明书的范围之内。
图4是根据本说明书一些实施例所示的如何确定参考余量的示例性流程图。在一些实施例中,该流程可以由系统200执行。如图4所示,流程400可以包括以下步骤:
步骤410,基于传动轴锻造数据以及车床数据构建加工向量。
加工向量可以指对传动轴锻造数据以及车床数据进行处理构建的特征向量。基于传动轴锻造数据以及车床数据构建加工向量的方式可以有很多种。例如,基于传动轴锻造数据以及车床数据构建加工向量A=(M,15,4,13,3.5,L,J),其中,M表示锰钢,15表示粗坯的长度值为15厘米,4表示粗坯的直径值为4厘米,13表示传动轴的长度值为13厘米,3.5表示传动轴的直径值为3.5厘米,L表示立式车床,J表示金刚石刀具。
在一些实施例中,还可以由处理器根据用户输入的数据自动构建加工向量。例如,可以预先设定加工向量的各个元素对应表示的信息,以及各个元素值对应信息的具体数值,然后就可以基于实际获取的数据来构建加工向量。如,M可以表示锰钢、L可以表示立式车床等。
步骤420,基于向量距离,在历史向量库中匹配所述加工向量对应的参考向量。
历史向量库中可以包括多个历史向量,以及各个历史向量分别对应的历史余量。其中,一个历史向量可以对应多个历史余量,每个历史余量对应为历史传动轴生产中的一个加工工序中的加工余量。在一些实施例中,历史向量库涉及的历史传动轴可以指历史加工成功和/或加工合格的传动轴。历史向量可以指历史加工成功和/或加工合格的历史传动轴的生产过程中,基于传动轴锻造数据和历史车床数据构建的特征向量。历史向量的构建方式可以参考前述加工向量的构建。例如,可以基于与构建加工向量相同或相似的方式,构建多个历史向量,将每个历史向量及其对应的历史余量进行关联存储即可建立历史向量库。
向量距离可以指加工向量与历史向量之间的距离。例如,向量距离可以包括欧氏距离、曼哈顿距离或切比雪夫距离等。
参考向量可以指与加工向量间的向量距离满足预设距离条件的历史向量。预设距离条件可以是向量距离最小或向量距离不高于距离阈值。例如,参考向量可以是与加工向量的向量距离最小的历史向量。
在一些实施例中,可以通过分别计算加工向量与历史向量之间的距离,并基于距离大小来匹配参考向量。例如,可以将与加工向量间的向量距离小于距离阈值的历史向量作为参考向量。
步骤430,基于参考向量确定历史参考余量。
历史参考余量可以指参考向量对应的多个历史余量中与当前工序一致的历史余量。
步骤440,基于历史参考余量确定粗车加工的参考余量。
粗车加工的参考余量可以指预先确定的传动轴粗车加工后预留的加工余量。例如,粗车加工的参考余量可以是预先确定的粗车加工后传动轴半成品表面预留材料的厚度值。
在一些实施例中,通过匹配确定参考向量后,可以将参考向量对应的历史参考余量作为粗车加工的参考余量。在另一些实施例中,还可以对参考向量对应的历史参考余量进行适应性处理,然后确定处理后的参考余量作为粗车加工的参考余量。其中,适应性处理可以包括基于向量距离的大小对历史参考余量做适当增减。
在本说明书一些实施例中,通过基于当前的传动轴锻造数据和车床数据构建加工向量,并在历史向量数据库中进行匹配,确定传动轴锻造数据和车床数据相同或相似的历史向量及对应的历史参考余量,进而确定当前加工的参考余量,确定结果比较符合实际情况,与通过理论计算确定参考余量相比更有依据。
在一些实施例中,可以基于余量预测模型对环境数据进行处理,确定变更余量。其中,余量预测模型可以为机器学习模型。
关于环境数据和变更余量的更多说明,参见图3及其相关描述。
在一些实施例中,可以利用余量预测模型对环境数据和工件图像进行处理,模型输出变更余量。例如,余量预测模型可以为卷积神经网络或深度神经网络或其组合得到的模型等。
在一些实施例中,余量预测模型可以通过多个有标签的训练样本训练得到,其中,训练样本可以包括样本环境数据和样本工件图像,标签可以为变更余量。训练样本和标签可以基于历史生产数据获取。例如,可以将多个带有标签的训练样本输入初始余量预测模型,通过标签和初始余量预测模型的输出结果构建损失函数,基于损失函数通过梯度下降或其他方法迭代更新初始余量预测模型的参数。当满足预设条件时模型训练完成,得到训练好的余量预测模型。其中,预设条件可以是损失函数收敛、迭代的次数达到阈值等。
图5是根据本说明书一些实施例所示的余量预测模型的示例性结构示意图。
如图5所示,余量预测模型540可以包括嵌入层541、图像特征提取层542和预测层543。例如,嵌入层541、图像特征提取层542和预测层543可以为卷积神经网络或深度神经网络或其组合得到的模型等。
如图5所示,嵌入层541的输入可以包括环境数据510,其输出可以包括环境特征向量550;图像特征提取层542的输入可以包括当前工件图像520,其输出可以包括图像特征向量560;预测层543的输入可以包括环境特征向量550和图像特征向量560,其输出可以包括变更余量570。
环境特征向量550可以指基于环境数据确定的特征向量。例如,环境特征向量(25,40,87)可以表示传动轴加工环境中气温为25℃,车床温度为40℃,加工刀具温度为87℃。
当前工件图像520可以指基于摄像头对当前加工过程中的工件拍摄的图像。例如,当前工件图像520可以包括图片和/或视频等。
图像特征向量560可以指与当前工件图像构建的特征向量。例如,图像特征向量可以是矩阵形式,矩阵中的每一个元素可以表征对应图像位置的灰度值。
在一些实施例中,预测层543的输入还可以包括加工精度数据530。
加工精度数据530可以指传动轴加工过程中的不同工序的加工精度。例如,加工精度数据530可以包括粗车加工后的加工精度。又例如,加工精度数据还可以包括切削加工、铣刨加工和/或打磨加工后的加工精度。
在一些实施例中,还可以利用机器学习模型对环境数据以及传动轴加工过程中的有关加工数据进行处理,确定加工精度数据。例如,可以基于精度预测模型对温度变化信息、目标温度、工件信息、加工信息、参考余量、加工参数以及调整后的冷却功率进行处理,确定加工预测精度。其中,温度变化信息可以指关于环境温度的多个温度变化序列;目标温度可以指预设的正常加工情况下的温度信息;工件信息可以指传动轴加工过程中的半成品信息;例如,工件信息可以包括传动轴半成品的尺寸以及当前剩余的加工量;加工信息可以指传动轴加工过程中涉及的加工参数,例如,加工信息可以包括传动轴在锻造和/或粗车加工等工序中涉及的加工参数;加工指令可以指与加工信息调控有关的指令,例如,加工指令可以包括调控加工精度和/或余量的指令;冷却功率调整指令可以指与调整散热器的冷却功率有关的指令,例如,冷却功率调整指令可以包括增大/减小一个或多个散热器功率的指令。关于参考余量的更多说明,参见图3及其相关描述。
精度预测模型可以包括第一嵌入层、第二嵌入层、第三嵌入层以及精度预测层。例如,第一嵌入层、第二嵌入层、第三嵌入层以及精度预测层可以是卷积神经网络或深度神经网络或其组合得到的模型等。第一嵌入层的输入可以包括温度变化信息、目标温度和工件信息,其输出可以包括工件特征向量;第二嵌入层的输入可以包括参考余量、加工指令和冷却功率调整指令,其输出可以包括第一加工特征向量;第三嵌入层的输入可以包括加工信息,其输出可以包括第二加工特征向量;精度预测层的输入可以包括目标温度、工件特征向量、第一加工特征向量和第二加工特征向量,其输出可以包括加工预测精度。
工件特征向量可以指表征加工过程中与工件相关的参数向量。例如,工件特征向量(13.7,0.6,131,178,35,37,75,135)可以表示当前工件长度为13.7厘米,剩余加工量为0.6厘米,工件、加工刀具和车床的目标温度分别为131℃、178℃和35℃,工件的温度变化信息为37℃、75℃和135℃。
第一加工特征向量可以指参考余量、加工指令和冷却功率调整指令有关的特征向量。例如,第一加工特征向量(0.4,0.9,2,300)可以表示后续两个工序的参考余量分别为0.4厘米和0.9厘米,加工指令为加工精度提高2级,冷却功率调整指令为冷却功率提高300W。
第二加工特征向量可以指与加工信息有关的特征向量。例如,第二加工特征向量(LT,12,IT02)可以表示加工信息中材质为低碳钢,传动轴尺寸为12厘米,加工精度等级为IT02。
在一些实施例中,第一嵌入层、第二嵌入层和第三嵌入层的输出可以作为精度预测层的输入,第一嵌入层、第二嵌入层、第三嵌入层以及精度预测层634可以通过联合训练得到。
在一些实施例中,联合训练的样本数据包括样本温度变化信息、样本目标温度、样本工件信息、样本加工信息、样本参考余量、样本加工指令和样本冷却功率调整指令,标签为样本加工预测精度。样本数据和标签可以基于历史生产数据获取。将样本温度变化信息、样本目标温度、样本工件信息输入第一嵌入层,得到第一嵌入层输出的工件特征向量;将样本参考余量、样本加工指令和样本冷却功率调整指令输入第二嵌入层,得到第二嵌入层输出的第一加工特征向量;将样本加工信息输入第三嵌入层,得到第三嵌入层输出的第二加工特征向量;将工件特征向量、第一加工特征向量和第二加工特征向量作为训练样本数据,和目标温度一同输入精度预测层,得到精度预测层输出的加工预测精度。基于样本加工预测精度和精度预测层输出的加工预测精度构建损失函数,同步更新第一嵌入层、第二嵌入层、第三嵌入层以及精度预测层。通过参数更新,得到训练好的第一嵌入层、第二嵌入层、第三嵌入层以及精度预测层。
在本说明书一些实施例中,通过建立精度预测模型能够实时获取预测的加工精度,且获取的加工精度具有一定的准确度,将其作为余量预测模型的输入,可以有效提高余量预测模型输出结果的准确度,以根据加工过程中相关参数的变化及时做出调整,保证加工精度和加工质量满足要求。
在一些实施例中,嵌入层541和图像特征提取层542的输出可以作为预测层543的输入,嵌入层541、图像特征提取层542以及预测层543可以通过联合训练得到。
在一些实施例中,联合训练的样本数据包括样本环境数据、样本工件图像和样本加工精度数据,标签为样本变更余量。样本数据和标签可以基于历史生产数据获取。将样本环境数据输入嵌入层541,得到嵌入层541输出的环境特征向量;将样本工件图像输入图像特征提取层542,得到图像特征提取层542输出的图像特征向量;将环境特征向量和图像特征向量作为训练样本数据,和样本加工精度数据输入预测层543,得到预测层543输出的变更余量。基于样本变更余量和预测层543输出的变更余量构建损失函数,同步更新嵌入层541、图像特征提取层542以及预测层543。通过参数更新,得到训练好的嵌入层541、图像特征提取层542以及预测层543。
在本说明书一些实施例中,通过使用训练好的余量预测模型确定变更余量,可以比较快速地基于变更余量确定最终的加工余量,进而为传动轴加工的下步工序提供指导,在一定程度上提高了加工效率;此外,基于大量的、广泛的历史数据训练余量预测模型,可以使模型预测结果具有更好的准确度,以充分满足用户需求。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时,本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,除非权利要求中明确说明,本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本说明书披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本说明书实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外,对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是,如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方,以本说明书的描述、定义和/或术语的使用为准。
最后,应当理解的是,本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (10)
1.一种传动轴自动化精密锻造的方法,包括以下工序:锻造、粗车加工、精车加工;所述粗车加工包括以下操作:
获取传动轴锻造数据以及车床数据;
基于所述传动轴锻造数据以及所述车床数据,确定所述粗车加工的参考余量;
基于环境数据确定变更余量;
基于所述参考余量和所述变更余量确定加工余量。
2.根据权利要求1所述的方法,所述基于所述传动轴锻造数据以及所述车床数据,确定所述粗车加工的参考余量,包括:
基于所述传动轴锻造数据以及所述车床数据构建加工向量;
基于向量距离,在历史向量库中匹配所述加工向量对应的参考向量;
基于所述参考向量确定历史参考余量;
基于所述历史参考余量确定所述粗车加工的参考余量。
3.根据权利要求1所述的方法,所述基于环境数据确定变更余量包括:
基于余量预测模型对所述环境数据的处理,确定所述变更余量;所述余量预测模型为机器学习模型。
4.根据权利要求3所述的方法,所述余量预测模型包括嵌入层、图像特征提取层、预测层;
所述嵌入层用于对所述环境数据进行处理,确定环境数据特征向量;
所述图像特征提取层用于对工件图像进行处理,确定图像特征向量;
所述预测层用于对加工精度数据、所述环境数据特征向量、所述图像特征向量进行处理,确定所述变更余量。
5.一种传动轴自动化精密锻造的系统,包括以下工序:锻造、粗车加工、精车加工;所述粗车加工系统包括:
数据获取模块,用于获取传动轴锻造数据以及车床数据;
参考余量确定模块,用于基于所述传动轴锻造数据以及所述车床数据,确定所述粗车加工的参考余量;
变更余量确定模块,用于基于环境数据确定变更余量;
加工余量确定模块,用于基于所述参考余量和所述变更余量确定加工余量。
6.根据权利要求5所述的系统,所述参考余量确定模块还用于:
基于所述传动轴锻造数据以及所述车床数据构建加工向量;
基于向量距离,在历史向量库中匹配所述加工向量对应的参考向量;
基于所述参考向量确定历史参考余量;
基于所述历史参考余量确定所述粗车加工的参考余量。
7.根据权利要求5所述的系统,所述变更余量确定模块还用于:
基于余量预测模型对所述环境数据的处理,确定所述变更余量;所述余量预测模型为机器学习模型。
8.根据权利要求7所述的系统,所述余量预测模型包括嵌入层、图像特征提取层、预测层;
所述嵌入层用于对所述环境数据进行处理,确定环境数据特征向量;
所述图像特征提取层用于对工件图像进行处理,确定图像特征向量;
所述预测层用于对加工精度数据、所述环境数据特征向量、所述图像特征向量进行处理,确定所述变更余量。
9.一种传动轴自动化精密锻造的装置,其特征在于,所述装置包括至少一个处理器以及至少一个存储器;
所述至少一个存储器用于存储计算机指令;
所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现如权利要求1至4中任一项所述的传动轴自动化精密锻造的方法。
10.一种计算机可读存储介质,其特征在于,所述存储介质存储计算机指令,当所述计算机指令被处理器执行时实现如权利要求1至4中任一项所述的传动轴自动化精密锻造的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211137807.0A CN115475900B (zh) | 2022-09-19 | 2022-09-19 | 一种传动轴自动化精密锻造的方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211137807.0A CN115475900B (zh) | 2022-09-19 | 2022-09-19 | 一种传动轴自动化精密锻造的方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115475900A true CN115475900A (zh) | 2022-12-16 |
CN115475900B CN115475900B (zh) | 2023-10-27 |
Family
ID=84392969
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211137807.0A Active CN115475900B (zh) | 2022-09-19 | 2022-09-19 | 一种传动轴自动化精密锻造的方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115475900B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117260265A (zh) * | 2023-09-28 | 2023-12-22 | 江兴(淮安)汽车部件有限公司 | 一种汽车刹车活塞生产方法和系统 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012056049A (ja) * | 2010-09-10 | 2012-03-22 | Toyota Motor Corp | 切削加工方法 |
US20130253693A1 (en) * | 2010-11-04 | 2013-09-26 | Mitsubishi Electric Corporation | Method and apparatus for creating numerical control machining program and program for causing computer to implement same method |
JP2017006970A (ja) * | 2015-06-25 | 2017-01-12 | 日立金属株式会社 | 鍛造型設計支援装置および鍛造型設計支援方法 |
CN106425345A (zh) * | 2016-12-09 | 2017-02-22 | 徐玉炜 | 一种传动轴制造工艺 |
CN109382838A (zh) * | 2017-08-07 | 2019-02-26 | 发那科株式会社 | 控制装置以及机器学习装置 |
CN110245451A (zh) * | 2019-06-25 | 2019-09-17 | 重庆望江工业有限公司 | 基于数据库的材料定额智能设计方法 |
CN111752151A (zh) * | 2020-06-17 | 2020-10-09 | 华中科技大学 | 一种工业叶片磨抛加工自适应力跟踪与补偿方法及系统 |
CN113411549A (zh) * | 2021-06-11 | 2021-09-17 | 上海兴容信息技术有限公司 | 一种判断目标门店的业务是否正常的方法 |
CN113570147A (zh) * | 2021-07-30 | 2021-10-29 | 华中科技大学 | 一种薄壁件多工况加工误差快速预测方法及设备 |
CN114237154A (zh) * | 2021-11-26 | 2022-03-25 | 重庆大学 | 基于ont-gcn时空模型的热误差预测模型及建模方法和霾-边-雾-云误差补偿系统 |
CN114706303A (zh) * | 2022-03-17 | 2022-07-05 | 武汉钢铁有限公司 | 带钢宽度余量的控制方法、装置、介质和电子设备 |
WO2022142120A1 (zh) * | 2020-12-31 | 2022-07-07 | 平安科技(深圳)有限公司 | 基于人工智能的数据检测方法、装置、服务器及存储介质 |
-
2022
- 2022-09-19 CN CN202211137807.0A patent/CN115475900B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012056049A (ja) * | 2010-09-10 | 2012-03-22 | Toyota Motor Corp | 切削加工方法 |
US20130253693A1 (en) * | 2010-11-04 | 2013-09-26 | Mitsubishi Electric Corporation | Method and apparatus for creating numerical control machining program and program for causing computer to implement same method |
JP2017006970A (ja) * | 2015-06-25 | 2017-01-12 | 日立金属株式会社 | 鍛造型設計支援装置および鍛造型設計支援方法 |
CN106425345A (zh) * | 2016-12-09 | 2017-02-22 | 徐玉炜 | 一种传动轴制造工艺 |
CN109382838A (zh) * | 2017-08-07 | 2019-02-26 | 发那科株式会社 | 控制装置以及机器学习装置 |
CN110245451A (zh) * | 2019-06-25 | 2019-09-17 | 重庆望江工业有限公司 | 基于数据库的材料定额智能设计方法 |
CN111752151A (zh) * | 2020-06-17 | 2020-10-09 | 华中科技大学 | 一种工业叶片磨抛加工自适应力跟踪与补偿方法及系统 |
WO2022142120A1 (zh) * | 2020-12-31 | 2022-07-07 | 平安科技(深圳)有限公司 | 基于人工智能的数据检测方法、装置、服务器及存储介质 |
CN113411549A (zh) * | 2021-06-11 | 2021-09-17 | 上海兴容信息技术有限公司 | 一种判断目标门店的业务是否正常的方法 |
CN113570147A (zh) * | 2021-07-30 | 2021-10-29 | 华中科技大学 | 一种薄壁件多工况加工误差快速预测方法及设备 |
CN114237154A (zh) * | 2021-11-26 | 2022-03-25 | 重庆大学 | 基于ont-gcn时空模型的热误差预测模型及建模方法和霾-边-雾-云误差补偿系统 |
CN114706303A (zh) * | 2022-03-17 | 2022-07-05 | 武汉钢铁有限公司 | 带钢宽度余量的控制方法、装置、介质和电子设备 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117260265A (zh) * | 2023-09-28 | 2023-12-22 | 江兴(淮安)汽车部件有限公司 | 一种汽车刹车活塞生产方法和系统 |
CN117260265B (zh) * | 2023-09-28 | 2024-05-03 | 江兴(淮安)汽车部件有限公司 | 一种汽车刹车活塞生产方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115475900B (zh) | 2023-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115475900A (zh) | 一种传动轴自动化精密锻造的方法和系统 | |
CN109623493B (zh) | 一种判定主轴实时热变形姿态的方法 | |
CN106325062A (zh) | 一种基于改进萤火虫算法的恒定磨削力pid控制优化方法 | |
CN112676925B (zh) | 航空发动机叶片磨抛方法、装置、设备及存储介质 | |
CN110414727B (zh) | 一种基于数据挖掘的生产进度预测方法及系统 | |
Wang et al. | Development and polishing process of a mobile robot finishing large mold surface | |
CN211940096U (zh) | 一种切削液恒温控制装置 | |
CN116032969A (zh) | 一种云边协同的智能数控车间自调控系统、控制方法 | |
Paxton | Mr. Taylor, Mr. Ford, and the Advent of High-Volume Mass Production: 1900-1912 | |
Biermann et al. | Modelling and simulation of thermal effects in internal traverse grinding of hardened bearing steel | |
CN115453996A (zh) | 一种汽车传动轴的加工方法和系统 | |
Zhbankov et al. | Forging of ingots without hot tops | |
CN104827987A (zh) | 一种自动调节驾驶位置的方法及系统 | |
US11919166B2 (en) | Industrial internet of things for monitoring collaborative robots and control methods, storage media thereof | |
Wulfsberg et al. | Production at the leading edge of technology: Proceedings of the 9th Congress of the German Academic Association for Production Technology (WGP), September 30th-October 2nd, Hamburg 2019 | |
Takami | Production engineering strategies and metalworking at Toyota motor corporation | |
CN113843575B (zh) | 一种用于铝合金模板板面开孔的再制造修复系统及方法 | |
Tomczak et al. | A theoretical and experimental analysis of rotary compression of hollow forgings formed over a mandrel | |
Milutinović et al. | Industry 4.0 and New Paradigms in the Field of Metal Forming | |
CN112517817A (zh) | 一种薄壁异形台阶筒件的自由锻造工艺 | |
CN117492415A (zh) | 环锻件的智能制造方法、装置、设备及存储介质 | |
CN117260265B (zh) | 一种汽车刹车活塞生产方法和系统 | |
CN109454412A (zh) | 一种轴承圈的加工方法 | |
CN116560297B (zh) | 一种金属制品的切削走刀路径规划系统及方法 | |
US11850652B2 (en) | Radial incremental forming |
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 |