CN116038076A - 一种基于场景匹配的焊接保护气体控制方法 - Google Patents
一种基于场景匹配的焊接保护气体控制方法 Download PDFInfo
- Publication number
- CN116038076A CN116038076A CN202310312510.1A CN202310312510A CN116038076A CN 116038076 A CN116038076 A CN 116038076A CN 202310312510 A CN202310312510 A CN 202310312510A CN 116038076 A CN116038076 A CN 116038076A
- Authority
- CN
- China
- Prior art keywords
- welding
- scene
- shielding gas
- data
- flow rate
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K9/00—Arc welding or cutting
- B23K9/16—Arc welding or cutting making use of shielding gas
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K9/00—Arc welding or cutting
- B23K9/32—Accessories
- B23K9/325—Devices for supplying or evacuating shielding gas
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Plasma & Fusion (AREA)
- Mechanical Engineering (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种基于场景匹配的焊接保护气体控制方法,针对目前不同焊接场景下保证焊接质量所需的最低焊接保护气体流速不同的问题,通过挑选若干用于描述焊接场景的高频时序数据作为指标,以场景分类为目标,实时采集相关数据,制作数据集并训练基于机器学习算法的场景分类模型;将训练好的场景分类模型部署至边缘侧,实时采集高频时序数据输入场景分类模型,即可识别当前焊接场景,并实时匹配当前焊接场景下的最低焊接保护气体流速;在此基础上对气体流速进行控制,即可实现进一步的节省焊接保护气的目标,进而实现焊接过程的碳减排的效果。
Description
技术领域
本发明属于焊接保护气控制技术领域,特别涉及一种基于场景匹配的焊接保护气体控制方法。
背景技术
工业焊接场景中,气体保护焊作为常见焊接方式,通常采用包括CO2、Ar等工业气体作为焊接保护气,避免焊缝直接接触空气。焊接保护气作为焊接过程中重要的碳排放源头,一直都是亟需解决的课题。
传统机器人焊接在执行各工艺时,一般预先按照焊接工艺规程设定保护气流速并设为固定流量。然而实际执行工艺中,由于工艺不同,电流大小会产生变化,固定流量的保护气可能产生小电流对应大保护气流量的问题,造成保护气的浪费,碳排放的增加。此外,由于焊接场景不同,扰动因素也不尽相同,因此探索不同焊接场景下,保证焊接质量,不出现焊接异常时的最低保护气体流速,可以对焊接过程节碳问题提供解决方向。
发明内容
发明目的:针对上述背景技术焊接中存在的问题,本发明提供了一种
技术方案:一种基于场景匹配的焊接保护气体控制方法,包括以下步骤:
步骤S1、在不同焊接场景下,基于当前焊接工艺规程设置的保护气流速范围进行调整,获取不同保护气体流速下对应的焊接高频时序数据,包括焊接电流、电压和送丝速度,并根据实际过程是否发生焊接异常,对每组高频时序数据进行标注;其中发生异常则标注为1,正常焊接标注为0;
步骤S2、基于步骤S1获取的数据集进行特征提取,针对焊接电压、电流和送丝速度,以预设滑动窗大小进行特征提取;以提取后的特征数据作为场景分类模型的入模数据集;
步骤S3、对步骤S2获取的入模数据集进行切分;数据集包括训练集、测试集和验证集,按照固定比例提取;
步骤S4、对各场景进行编码,并以场景分类编码作为训练目标,选取机器学习分类算法模型搭建场景分类模型进行训练,最终通过测试集进行场景分类模型精度测试,评估模型分类效果;
步骤S5、场景分类模型训练完成后,通过步骤S3留出的验证集进行模拟运行验证,并确定场景分类策略;
步骤S6、将验证后的场景分类模型部署至边缘侧,采集实际焊接高频时序数据并输入至分类模型,获取场景分类结果,并根据步骤S1中焊接实验获取的对应焊接场景下保护气流速范围,确定不发生焊接异常时的最低焊接保护气流速,基于该流速进行气流控制。
进一步地,所述步骤S1中针对每种焊接场景重复若干次焊接,采集不同设定流速下的各项时序数据,形成若干组用于描述该焊接场景的数据集;依次降低设定流速,直至发生焊接异常,并记录下每个场景下未发生焊接异常时的最低保护气流速值。
进一步地,所述步骤S2中针对焊接电压、电流和送丝速度,以预设滑动窗大小进行特征提取;提取的特征包括时域特征、频域特征和时频域特征。
进一步地,所述步骤S3中采用预先留出验证集的方式切分入模数据集;具体地,首先按照预设比例抽取不同焊接场景下相同保护气体流速对应的高频时序数据的特征,在抽取验证集完毕后,将剩余特征数据集随机乱序,并按比例划分出训练集和测试集。
进一步地,所述步骤S4中采用XGboost模型搭建场景分类模型,输入训练集数据,进行模型训练;采用网格搜索的方式进行模型参数调节。
进一步地,设定判定窗口长度为N,不断迭代窗长;在每一窗长下,当窗口内预测场景超过50%均为连续相同场景a,则判定该窗口属于场景a;在迭代每个判定窗口长度时,分别将验证集特征数据输入模型,按照判定窗口长度截取特征数量,并基于上述匹配策略进行场景分类;不断迭代窗口长度,选择准确率最高的判定窗口长度作为场景匹配的判定依据。
本发明采用的技术方案与现有技术方案相比,具有以下有益效果:
(1)本发明提供的基于场景匹配的焊接保护气体控制方法,针对焊接场景改变,挑选用于描述焊接场景的高频时序数据,并搭建场景分类模型。实时采集当前焊接场景下的入模数据并输入至场景分类模型,区分不同焊接场景,并根据焊接场景给出当前保证焊接质量下最低的保护气体流速。
(2)本发明在面对新的陌生场景分类时,同样给出了最低保护气流速确定的方法,相比于传统实验确定方法,本发明可以提供相对调整基准,节省大量过程实验步骤。
(3)本发明在场景分类模型的基础上进一步给出了场景分类策略,基于实际验证集,通过迭代判定窗口并选择准确率最高的判定窗口,进一步提升了场景分类模型的分类准确率。
附图说明
图1为本发明提供的基于场景匹配的焊接保护气体控制方法流程图;
图2为本发明实施例中场景分类模型分类结果示意图。
实施方式
下面结合附图对本发明做更进一步的解释。
本发明提供了一种基于场景匹配的焊接保护气体控制方法,针对目前不同焊接场景下保证焊接质量所需的最低焊接保护气体流速不同的问题,通过挑选若干用于描述焊接场景的高频时序数据作为指标,以场景分类为目标,实时采集相关数据,制作数据集并训练基于机器学习算法的场景分类模型。将训练好的场景分类模型部署至边缘侧,实时采集高频时序数据输入场景分类模型,即可识别当前焊接场景,并实时匹配当前焊接场景下的最低焊接保护气体流速。在此基础上对气体流速进行控制,即可实现进一步的节省焊接保护气的目标,进而实现焊接过程的碳减排的效果。此外,针对场景分类结果的确定,本发明还给出了相应的场景匹配策略,可以有效提升场景分类结果的准确率。下面提供一份具体实施例,详细介绍本发明提供的焊接保护气体控制方法,如图1所示。
步骤S1、在不同焊接场景下,基于当前焊接工艺规程设置的保护气流速范围进行调整,获取不同保护气体流速下对应的焊接高频时序数据,包括焊接电流、电压和送丝速度,并且根据实际焊接过程是否发生焊接异常(如气孔),对每组高频时序数据进行标注。发生异常则标注为1,正常焊接标注为0。
针对每一种焊接场景重复若干次焊接,采集不同设定流速下的各项时序数据,形成若干组用于描述该焊接场景的数据集。依次降低设定流速,直至发生焊接异常,并记录下每个场景下未发生焊接异常时的最低保护气流速值。
本发明的核心原理即为:不同焊接场景,如不同外界风速条件下,可以保证焊接质量(即不发生焊接异常)的最低保护气流速是变化的,通过采集的焊接高频时序数据及打好的标注对当前焊接场景进行描述,并作为后续分类模型的训练依据,可以实现场景分类的效果,进而确认实际焊接场景种类及对应的最低保护气流速。
步骤S2、基于步骤S1获取的数据集进行特征提取,针对焊接电压、电流和送丝速度,以预设滑动窗大小进行特征提取。提取的特征包括时域特征、频域特征和时频域特征。提取上述特征,并以提取的各项特征数据作为模型训练的入模数据集。
本实施例中提取的时域特征包括传统时域特征,如均值、中位数、最大值、最小值、方差、标准差、分位数。此外还可以根据实际需要选择方根幅值、均方根、峰峰值、偏度、峭度、峰值因子、裕度因子、波形因子、脉冲指数等。
对每个样本进行傅里叶变换,提取变换后的频谱相关统计特征,如均值、中位数、最大值、最小值、方差、标准差、分位数作为样本的频域特征。
对每个样本进行变分模态分解(VMD),提取进过VMD变换后的时频谱相关特征,即可获得样本的时频域特征。
步骤S3、对步骤S2获取的入模数据集进行切分。数据集包括训练集、测试集和验证集,按照固定比例提取,本实施例中依次按照8:1:1的比例选取训练集,测试集和验证集。首先留出验证集数据。由于后续需要验证相同保护气流速下场景分类模型的训练效果,因此首先抽取不同场景下相同保护气流速时对应的高频时序数据的特征用于后续验证。抽取完成后将入模数据集进行随机乱序,再分别抽取训练集和测试集。
步骤S4、对各场景进行编码,并以场景分类编码作为训练目标,选取机器学习分类算法模型搭建场景分类模型进行训练,最终通过测试集进行场景分类模型精度测试,评估模型分类效果。
本实施例中选取XGboost模型搭建场景分类模型,采用网格搜索的方式进行模型参数调节。最终通过测试集进行模型分类效果评估,结果如图2所示。
步骤S5、场景分类模型训练完成后,通过步骤S3留出的验证集进行模拟运行验证,并确定场景分类策略。具体场景分类策略如下:
设定判定窗口长度为N,不断迭代窗长。在每一窗长下,当窗口内预测场景超过50%均为连续相同场景a,则判定该窗口属于场景a。
具体地,在迭代每个判定窗口长度时,分别将验证集特征数据输入模型,按照判定窗口长度截取特征数量,并基于上述匹配策略进行场景分类。由于验证集数据自带标注,因此可以计算实际场景匹配结果和标注结果间的准确率。不断迭代窗口长度,选择准确率最高的判定窗口长度作为场景匹配的判定依据。
步骤S6、将验证后的场景分类模型部署至边缘侧,采集实际焊接高频时序数据并输入至分类模型,获取场景分类结果,并根据步骤S1中焊接实验获取的对应焊接场景下保护气流速范围,确定不发生焊接异常时的最低焊接保护气流速,基于该流速进行气流控制。
实际验证过程中,当出现新的焊接场景时,同样可以采用上述训练的模型进行场景分类,获取最接近的场景分类结果,并获取对应的“最低焊接保护气流速”。以该保护气流速为基准进行二次调整,逐步增大保护气流速,直至焊接异常消失,则该保护气流速即为本场景对应的最低焊接保护气流速。将该场景及对应流速添加至现有场景库中,更新模型,可以实现模型的迭代优化。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (6)
1.一种基于场景匹配的焊接保护气体控制方法,其特征在于,包括以下步骤:
步骤S1、在不同焊接场景下,基于当前焊接工艺规程设置的保护气流速范围进行调整,获取不同保护气体流速下对应的焊接高频时序数据,包括焊接电流、电压和送丝速度,并根据实际过程是否发生焊接异常,对每组高频时序数据进行标注;其中发生异常则标注为1,正常焊接标注为0;
步骤S2、基于步骤S1获取的数据集进行特征提取,针对焊接电压、电流和送丝速度,以预设滑动窗大小进行特征提取;以提取后的特征数据作为场景分类模型的入模数据集;
步骤S3、对步骤S2获取的入模数据集进行切分;数据集包括训练集、测试集和验证集,按照固定比例提取;
步骤S4、对各场景进行编码,并以场景分类编码作为训练目标,选取机器学习分类算法模型搭建场景分类模型进行训练,最终通过测试集进行场景分类模型精度测试,评估模型分类效果;
步骤S5、场景分类模型训练完成后,通过步骤S3留出的验证集进行模拟运行验证,并确定场景分类策略;
步骤S6、将验证后的场景分类模型部署至边缘侧,采集实际焊接高频时序数据并输入至分类模型,获取场景分类结果,并根据步骤S1中焊接实验获取的对应焊接场景下保护气流速范围,确定不发生焊接异常时的最低焊接保护气流速,基于该流速进行气流控制。
2.根据权利要求1所述的一种基于场景匹配的焊接保护气体控制方法,其特征在于,所述步骤S1中针对每种焊接场景重复若干次焊接,采集不同设定流速下的各项时序数据,形成若干组用于描述该焊接场景的数据集;依次降低设定流速,直至发生焊接异常,并记录下每个场景下未发生焊接异常时的最低保护气流速值。
3.根据权利要求1所述的一种基于场景匹配的焊接保护气体控制方法,其特征在于,所述步骤S2中针对焊接电压、电流和送丝速度,以预设滑动窗大小进行特征提取;提取的特征包括时域特征、频域特征和时频域特征。
4.根据权利要求1所述的一种基于场景匹配的焊接保护气体控制方法,其特征在于,所述步骤S3中采用预先留出验证集的方式切分入模数据集;具体地,首先按照预设比例抽取不同焊接场景下相同保护气体流速对应的高频时序数据的特征,在抽取验证集完毕后,将剩余特征数据集随机乱序,并按比例划分出训练集和测试集。
5.根据权利要求1所述的一种基于场景匹配的焊接保护气体控制方法,其特征在于,所述步骤S4中采用XGboost模型搭建场景分类模型,输入训练集数据,进行模型训练;采用网格搜索的方式进行模型参数调节。
6.根据权利要求1所述的一种基于场景匹配的焊接保护气体控制方法,其特征在于,所述步骤S5中场景分类策略包括:
设定判定窗口长度为N,不断迭代窗长;在每一窗长下,当窗口内预测场景超过50%均为连续相同场景a,则判定该窗口属于场景a;在迭代每个判定窗口长度时,分别将验证集特征数据输入模型,按照判定窗口长度截取特征数量,并基于上述匹配策略进行场景分类;不断迭代窗口长度,选择准确率最高的判定窗口长度作为场景匹配的判定依据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310312510.1A CN116038076B (zh) | 2023-03-28 | 2023-03-28 | 一种基于场景匹配的焊接保护气体控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310312510.1A CN116038076B (zh) | 2023-03-28 | 2023-03-28 | 一种基于场景匹配的焊接保护气体控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116038076A true CN116038076A (zh) | 2023-05-02 |
CN116038076B CN116038076B (zh) | 2023-10-13 |
Family
ID=86120362
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310312510.1A Active CN116038076B (zh) | 2023-03-28 | 2023-03-28 | 一种基于场景匹配的焊接保护气体控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116038076B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117153310A (zh) * | 2023-10-31 | 2023-12-01 | 南通江海储能技术有限公司 | 一种耐高温焊接扣式超级电容器的优化方法及系统 |
CN117428302A (zh) * | 2023-12-20 | 2024-01-23 | 苏芯物联技术(南京)有限公司 | 一种焊接管道供气流速智能动态控制方法及系统 |
CN117428383A (zh) * | 2023-12-20 | 2024-01-23 | 苏芯物联技术(南京)有限公司 | 一种复杂生产状态下焊接保护气智能实时控制方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111598101A (zh) * | 2020-05-25 | 2020-08-28 | 中国测绘科学研究院 | 基于遥感影像场景分割的城区智能提取方法、系统及设备 |
CN111797708A (zh) * | 2020-06-12 | 2020-10-20 | 瑞声科技(新加坡)有限公司 | 气流杂音检测方法、装置、终端及存储介质 |
CN112083047A (zh) * | 2020-08-11 | 2020-12-15 | 西安交通大学 | 一种便携式气体检测装置及检测方法 |
WO2021069053A1 (en) * | 2019-10-07 | 2021-04-15 | Huawei Technologies Co., Ltd. | Crowd behavior anomaly detection based on video analysis |
CN113695713A (zh) * | 2021-09-17 | 2021-11-26 | 蕴硕物联技术(上海)有限公司 | 一种热水器内胆焊接质量在线监测方法及装置 |
CN115121895A (zh) * | 2022-04-28 | 2022-09-30 | 广东省威汇智能科技有限公司 | 基于深度学习的选择波峰焊预警方法、装置及存储介质 |
CN115255567A (zh) * | 2022-09-26 | 2022-11-01 | 苏芯物联技术(南京)有限公司 | 一种基于频域和时频域特征的焊偏实时检测方法及系统 |
CN115570228A (zh) * | 2022-11-22 | 2023-01-06 | 苏芯物联技术(南京)有限公司 | 一种焊接管道供气智能反馈控制方法与系统 |
CN115781136A (zh) * | 2023-02-03 | 2023-03-14 | 苏芯物联技术(南京)有限公司 | 一种焊接热输入异常智能识别及优化反馈方法 |
-
2023
- 2023-03-28 CN CN202310312510.1A patent/CN116038076B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021069053A1 (en) * | 2019-10-07 | 2021-04-15 | Huawei Technologies Co., Ltd. | Crowd behavior anomaly detection based on video analysis |
CN111598101A (zh) * | 2020-05-25 | 2020-08-28 | 中国测绘科学研究院 | 基于遥感影像场景分割的城区智能提取方法、系统及设备 |
CN111797708A (zh) * | 2020-06-12 | 2020-10-20 | 瑞声科技(新加坡)有限公司 | 气流杂音检测方法、装置、终端及存储介质 |
CN112083047A (zh) * | 2020-08-11 | 2020-12-15 | 西安交通大学 | 一种便携式气体检测装置及检测方法 |
CN113695713A (zh) * | 2021-09-17 | 2021-11-26 | 蕴硕物联技术(上海)有限公司 | 一种热水器内胆焊接质量在线监测方法及装置 |
CN115121895A (zh) * | 2022-04-28 | 2022-09-30 | 广东省威汇智能科技有限公司 | 基于深度学习的选择波峰焊预警方法、装置及存储介质 |
CN115255567A (zh) * | 2022-09-26 | 2022-11-01 | 苏芯物联技术(南京)有限公司 | 一种基于频域和时频域特征的焊偏实时检测方法及系统 |
CN115570228A (zh) * | 2022-11-22 | 2023-01-06 | 苏芯物联技术(南京)有限公司 | 一种焊接管道供气智能反馈控制方法与系统 |
CN115781136A (zh) * | 2023-02-03 | 2023-03-14 | 苏芯物联技术(南京)有限公司 | 一种焊接热输入异常智能识别及优化反馈方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117153310A (zh) * | 2023-10-31 | 2023-12-01 | 南通江海储能技术有限公司 | 一种耐高温焊接扣式超级电容器的优化方法及系统 |
CN117153310B (zh) * | 2023-10-31 | 2023-12-29 | 南通江海储能技术有限公司 | 一种耐高温焊接扣式超级电容器的优化方法及系统 |
CN117428302A (zh) * | 2023-12-20 | 2024-01-23 | 苏芯物联技术(南京)有限公司 | 一种焊接管道供气流速智能动态控制方法及系统 |
CN117428383A (zh) * | 2023-12-20 | 2024-01-23 | 苏芯物联技术(南京)有限公司 | 一种复杂生产状态下焊接保护气智能实时控制方法 |
CN117428302B (zh) * | 2023-12-20 | 2024-02-20 | 苏芯物联技术(南京)有限公司 | 一种焊接管道供气流速智能动态控制方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116038076B (zh) | 2023-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116038076B (zh) | 一种基于场景匹配的焊接保护气体控制方法 | |
JP4681426B2 (ja) | 製造プロセスにおける操業と品質の関連解析装置、方法、コンピュータプログラム、及びコンピュータ読み取り可能な記録媒体 | |
CN109543874B (zh) | 一种结合气象条件影响的机场空气质量预测方法 | |
CN111506637B (zh) | 一种基于kpi指标的多维异常检测方法、装置及存储介质 | |
CN111898443B (zh) | 一种fdm型3d打印机送丝机构流量监测方法 | |
CN110879881B (zh) | 基于特征组分层和半监督随机森林的鼠标轨迹识别方法 | |
CN110659656A (zh) | 一种检测干扰的方法及装置 | |
CN112547807B (zh) | 一种基于决策树算法的热轧带钢质量精准判定方法 | |
CN112200000B (zh) | 一种焊接稳定性识别模型训练方法、焊接稳定性识别方法 | |
CN116861303A (zh) | 一种变电站数字孪生多源信息融合诊断方法 | |
CN111860624A (zh) | 一种基于决策树的电网故障信息分类方法 | |
CN116700172A (zh) | 结合工业互联网的工业数据集成处理方法及系统 | |
CN112749763A (zh) | 用于玻璃质量影响因素的时间序列分类分析方法及系统 | |
CN110837874A (zh) | 基于时间序列分类的业务数据异常检测方法 | |
CN114700587B (zh) | 一种基于模糊推理和边缘计算的漏焊缺陷实时检测方法及系统 | |
CN112800232A (zh) | 基于大数据的案件自动分类、优化方法及训练集修正方法 | |
CN117056688A (zh) | 一种基于数据分析的新材料生产数据管理系统及方法 | |
CN113259379A (zh) | 基于增量学习的异常告警识别方法、装置、服务器和存储介质 | |
CN113721000B (zh) | 一种变压器油中溶解气体异常检测方法和系统 | |
CN113128584B (zh) | 一种多功能雷达脉冲序列的模式级无监督分选方法 | |
JP2006155557A (ja) | 製造プロセスにおける操業と品質の関連解析装置、方法、コンピュータプログラム、及びコンピュータ読み取り可能な記録媒体 | |
CN111275136B (zh) | 基于小样本下的故障预测系统及其预警方法 | |
CN113523904A (zh) | 一种刀具磨损检测方法 | |
CN108363738B (zh) | 一种工业设备数据分析算法的推荐方法 | |
CN116150652A (zh) | 一种雷电辐射波形分类系统及方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |