CN116225882A - 一种指挥信息系统状态监测与评估方法 - Google Patents
一种指挥信息系统状态监测与评估方法 Download PDFInfo
- Publication number
- CN116225882A CN116225882A CN202310509729.0A CN202310509729A CN116225882A CN 116225882 A CN116225882 A CN 116225882A CN 202310509729 A CN202310509729 A CN 202310509729A CN 116225882 A CN116225882 A CN 116225882A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- evaluation
- state
- data
- point
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 138
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000011156 evaluation Methods 0.000 claims abstract description 99
- 238000010586 diagram Methods 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims description 23
- 239000013598 vector Substances 0.000 claims description 20
- 238000004422 calculation algorithm Methods 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 10
- 238000009825 accumulation Methods 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 238000012790 confirmation Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 230000009471 action Effects 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 abstract description 7
- 238000010801 machine learning Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 12
- 238000004458 analytical method Methods 0.000 description 7
- 238000011161 development Methods 0.000 description 7
- 238000010606 normalization Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000013210 evaluation model Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3466—Performance evaluation by tracing or monitoring
- G06F11/3495—Performance evaluation by tracing or monitoring for systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Abstract
本发明提出了一种指挥信息系统状态监测与评估方法,通过采集指挥信息系统各子系统及功能模块运行参数,建立系统状态评估模型,并通过机器学习等方法优化评估模型与参数,完成对系统整体状态、子系统状态的运行状态评估,从而形成直观的系统运行状态图,实时监测系统状态并提供热力图等展现方式的数据输入,实现系统维护人员能够直观获取系统故障位置以及及时对故障状态、等级等作出准确判断,进而提升系统维护效率、降低系统故障率。
Description
技术领域
本发明涉及一种系统状态监测与评估方法,特别是一种指挥信息系统状态监测与评估方法。
背景技术
指挥信息系统已经历四代的发展,随着人工智能以及软件技术的发展,系统规模、运算速度及业务复杂度不断增加。当前,指挥信息系统的规模以及系统复杂度随着系统功能的增加与完善变得越来越大,研发过程也随着计算机软件技术的发展而不断变化,对软件系统运行稳定性的要求也越来越高,目前软件研发过程中的迭代速度快、一体化程度高以及智能化系统需求等对系统带来越来越大的挑战。而随着系统规模的不断扩大、系统模块数量的不断增多以及系统功能的不断增加,系统运行时出现故障或缺陷造成的影响也呈现几何倍数的增长,指挥信息系统状态的监控与评估同时需要随着系统的发展而发展,建立一套自适应且完整、标准的指挥信息系统评估体系变得越来越重要。
作为适应未来指挥信息系统韧性和智能化特点的发展方向 ,指挥信息系统运行状态评估应具备以下几个特点:一是应能覆盖全部软件模块特别是关键软件模块,二是能够对整体系统状态进行准确衡量,三是能够适应系统的变化而自适应调整。本文基于上述三个特点,设计了一种对系统状态进行评估的基础算法,能够通过分析系统节点和系统节点之间对系统的影响,形成一个对系统状态的整体评估结果,形成系统使用人员及系统维护人员对系统状态的一张图掌握。快速集中指战人员注意力,解决系统问题,保障系统稳定快速运行。
综上所述,现有技术中缺乏一种指挥信息系统状态监测与评估的有效方法。
发明内容
发明目的:本发明所要解决的技术问题是针对现有技术的不足,提供一种指挥信息系统状态监测与评估方法。
为了解决上述技术问题,本发明公开了一种指挥信息系统状态监测与评估方法,包括如下步骤:
步骤1:采集所述指挥信息系统的运行数据与状态,进行数据预处理,对所述系统状态监测与评估提供数据支撑;
步骤2,根据具体需求及评估范围设置监测点,采集单监测点数据并进行预处理,得到单检测点的状态值,包括如下步骤:
步骤2-1:对进行单点状态评估:接收系统运行数据,建立系统功能项集合,即系统总体参数,其中a为功能项代号,第i个点与其他/>个点的关系为/>,A表示监测点A;所有关系参数之和作为系统状态评估的总体值1,即假设在功能项关系之间无其他关联关系的状态下各功能项之间的关系/>为:
步骤2-3:记录当前监测点的监测值,存入数据库供多监测点评估及功能范围状态评估使用。
步骤3,计算两个不同检测点之间的关联关系,得到关联关系权值,包括如下步骤:
步骤4,设置监测域,进行域监测数据分析与计算,得到域评估数据,包括如下步骤:
步骤4-1:确定所需评估范围即监测域,获取数据库中相应监测域中的监测点数据,待后续步骤使用;
步骤5,建立智能化训练引擎,优化单监测点处理和域监测数据处理过程中的参数,包括如下步骤:
步骤5-3:对新采集的数据,采用更新后的系统评估参数,并使用步骤2-2、步骤3-2和步骤4-2的方法进行评估,获得更新后的评估结果。
步骤6,通过SOM神经网络算法对单监测点处理和域监测数据处理得到的结果进行评估,完成所述的指挥信息系统状态监测与评估,具体包括如下步骤:
步骤6-1:将步骤4-4计算得到的评估参数根据数据特征分别投影至X、Y和Z不同维度3维投影面,每个评估数据可以得到在3个投影面的投影值,即
所述的经过转换,即采用如下公式进行转换:
步骤6-2:根据对检测区域内的每个监测点的评估值进行转换,形成:
步骤6-3:使用SOM神经网络算法进行训练,得到的结果以二维热力图形式展现,形成对系统状态的图形化展现,形成系统运行状态的整体运行评估图像。
有益效果:
本发明通过采集指挥信息系统各子系统及功能模块运行参数,建立系统状态评估模型,并通过机器学习等方法优化评估模型与参数,完成对系统整体状态、子系统状态的运行状态评估,从而形成直观的系统运行状态图,实时监测系统状态并提供热力图等展现方式的数据输入,实现系统维护人员能够直观获取系统故障位置以及及时对故障状态、等级等作出准确判断,进而提升系统维护效率、降低系统故障率。
附图说明
下面结合附图和具体实施方式对本发明做更进一步的具体说明,本发明的上述和/或其他方面的优点将会变得更加清楚。
图1为本发明总体流程示意图。
具体实施方式
本发明提供针对大规模指挥信息系统一种状态监测与评估方法,使其嵌入至指挥信息系统中进行实时运行,检测和跟踪系统内部各功能组成及相关指标运行状态,使用该发明,可实时、有效地监测大规模系统运行状态以及为直观的展现至运维人员提供数据支撑,主要包括基于单点状态参数的关联关系计算方法,基于加权求和的两点状态评估方法,基于人工介入的区域状态实时区域范围状态评估算法。具体方法如下:
步骤1:利用系统各功能点/单元各自产生的运行数据,使用关联关系分析方法,计算单点状态与其他相邻状态点之间的关系以及在其他状态点影响下的单点状态计算方法,形成对系统单点的评估结果。
步骤1包括如下步骤:
步骤1-1:首先对接收到的运行数据进行分类整理,形成各自对应权值及单独评价指标,结合变化范围、极限阈值以及权重形成对该点的归一化表达;
针对不同业务类型的运行数据,设置相应的评价指标及采集标准,根据不同的采集标准上传至本系统的数据采集子系统,需要考虑以下因素:
数据接口方面:根据目前各软件模块自由通信接口及监控接口采集运行数据,不同数据接入后进行标准化处理,形成可统一处理分析的输入;
处理架构方面:可根据不同指挥信息系统架构灵活构建分析算法组织架构,形成适用性强的监控与评估系统。
步骤1-2:形成统一的标准化表示的各监测点/功能项集合,其中a为功能项代号,与其他/>个功能项关系为/>,所有关系参数之和,作为系统状态评估的总体值“1”,即假设在功能项关系之间无其他关联关系的状态下各功能项之间的关系为:
步骤1-3:将接入系统的数据根据算法及相关权值计算该监测点与其他各监测点的关联关系参数,具体计算公式如下:
步骤2:利用对单个监测点/单元形成的评估值,进一步计算两点联合功能权值评估值,进一步为区域状态监测与评估提供数据支撑以及通过数据的不断积累,优化权值参数,形成更精准的关联关系分析。
步骤2包括以下步骤:
步骤2-3,将步骤2-2获取到的权值参数存入数据库,待后续计算处理使用:
步骤3,进一步叠加相关评估结果,通过在建立系统关系树的同时通过该关联关系树对不同层级的监测单元进行综合分析,形成区域评估结果。
步骤3包括以下步骤:
步骤3-1:获取系统信息点结构树状图,并按照系统关系树状图逐步形成同一层级之间监测点/单元之间的影响因子;
步骤3-2:通过数据的不断累积,在分析同层的关联关系同时,按照步骤2不断挖掘训练不同层级之间监测点之间的影响因子;
步骤3-3:将上述处理后的数据存储备用,以备区域评估使用。
步骤4,区域状态监测与评估,根据用户所需监测与评估的功能区域与范围,结合相关监测点运行状态,形成该区域的评估结果。
步骤4包括以下步骤:
步骤4-1:确定所需评估范围,获取数据库中相应范围的监测点/单元数据,待后续步骤使用;
步骤4-2:根据确定的评估范围,根据下面的公式计算该区域状态值:
其中,ω为区域中各监测点/单元之间关系权值,为初始状态值,根据初始权值与状态值形成的区域当前状态值;
步骤4-3:通过不断数据积累与学习,不断优化权值向量与初始状态向量,并通过人工修正优化评估结果;
步骤4-4:将区域评估数据存入数据库,具体应用程序使用。
步骤5,评估参数反馈优化,根据用户人工修改评估结果,根据模型内容对参数进行反馈调优,进一步优化评估系统模型。
步骤5-1:由于系统在使用过程中,系统整体状态评估值会随着系统的参数变化而变化,而系统无法完全自适应的对系统评估参数进行调整,部分系统状态在经过人工确认后需对系统参数进行调整,当系统运维人员发现系统评估结果与真实结果不一致时,人工修改评估结果后,系统对评估参数进行反向调整;
步骤5-3:对新采集的数据使用步骤1-3、2-2、4-2的算法进行评估,获得更新后的评估结果。
步骤6,评估结果图形化展示,通过对不同监测点评估数据在不同角度的投影,形成系统图形化展示结果。
步骤6-1:步骤4-4计算得到的评估参数根据数据特征分别投影至X、Y、Z不同维度3维投影面,每个评估数据可以得到在3个投影面的投影值,即
其中X、Y、Z三个投影面为三个坐标轴,其数值经过下列公式转换,得到相应的S、L、B值,作为相应点的显示状态:
步骤6-3:使用SOM神经网络算法进行训练,得到的结果以二维热力图形式展现,形成对系统状态的图形化展现,形成系统运行状态的整体运行评估图像。
实施例
下面结合附图及实施例对本发明做进一步说明。
如图1所示,本发明公开了一种指挥信息系统状态监测与评估方法,包括如下步骤:
1)数据接入与采集步骤,利用指挥信息系统各功能模块产生的运行及监控数据,形成本方法的输入,对指挥信息系统运行状态进行状态监测与评估。
首先通过各功能模块的软件接口与通信接口监测软件的运行数据,通过对软件运行数据的采集、预处理等形成本算法的数据输入。
对于原有系统模块,可直接采集运行数据的直接采集相关运行数据,不可直接采集的采取端口监听、相关模块推算等方式获取该模块的运行数据;
对于新开发模块,形成标准接口,同时在新开发模块中增加标准化处理、归一化处理等方式,实现边缘计算模型,降低服务器端运算压力。
2)数据预处理步骤,通过对数据的预处理,得到可供本发明的方法可直接使用的数据,主要包含数据清洗、数据参数化表达、数据归一化表达等步骤。
(1)数据清洗步骤,数据清洗的目的是去除无效及干扰数据,通过滤波算法、过滤算法等完成对所需处理的准备工作;
(2)数据参数化表达步骤,通过对不同类型的数据及传输内容,形成对所监测功能点/单元的参数化表达,即将传输的不同格式的数据流经过转换形成统一的数据表达方式,供下一步骤的归一化表达使用;
(3)数据归一化表达步骤,归一化是为了让不同监测点/单元所获取的数据能够在同一尺度下进行比较与分析,使得所有监测点及相关内容在同一尺度下进行表达,能够直观地展现给运维人员。
3)单监测点处理步骤,通过上一步骤产生的归一化表达的监测数据,对某一监测点与其他监测点的关联关系进行参数化分析与表达,形成该监测点与其他监测点的关联关系度量模型与数据,并随着数据的更新不断累积。
(1)数据接入步骤,通过接入归一化表达后的数据,实现本步骤所采用的评估算法的有效运行,进而得到所需结果;
(2)算法引擎运算步骤,本步骤采用如下公式进行计算:
计算所得到的各监测点的关系参数行程结构化数据,供其他应用及算法调用。
4)区域监测数据处理步骤,该步骤利用前面步骤对单个监测点/单元形成的评估值,进一步计算两点联合功能权值评估值,进一步为区域状态监测与评估提供数据支撑以及通过数据的不断积累,优化权值参数,为更精准的关联关系分析提供中间步骤计算支撑。
(1)确定监测区域步骤,由于不同操作步骤、业务流程等关注的监测区域不同,对于用户所关注的监测区域可通过人工或自动化的进行选择,选择后的区域形成该区域的监测点分析关系图,供算法引擎搜集相应的数据进行运算分析;
(2)算法引擎运算步骤,该步骤首先计算两个用状态点/单元互相影响因子,具体计算公式如下:
其中,ω为区域中各监测点/单元之间关系权值,为初始状态值,根据初始权值与状态值形成的区域当前状态值。
5)通过不断数据积累,不断优化权值向量与初始状态向量,并通过人工修正优化评估结果,将区域评估数据存入数据库。
(1)当系统运维人员发现系统评估结果与真实结果不一致时,人工修改评估结果后,系统对评估参数进行反向调整;
(2)通过如下公式计算偏移向量的半自适应调整过程:
(3)对新采集的数据进行评估,获得更新后的评估结果。
6)通过对不同监测点评估数据在不同角度的投影,形成系统图形化展示结果。
(1)评估参数根据数据特征分别投影至X、Y、Z不同维度3维投影面,每个评估数据可以得到在3个投影面的投影值,即
其中X、Y、Z三个投影面为三个坐标轴,其数值经过下列公式转换,得到相应的S、L、B值,作为相应点的显示状态:
(3)使用SOM神经网络算法进行训练,得到的结果以二维热力图形式展现,形成对系统状态的图形化展现,形成系统运行状态的整体运行评估图像。
具体实现中,本申请提供计算机存储介质以及对应的数据处理单元,其中,该计算机存储介质能够存储计算机程序,所述计算机程序通过数据处理单元执行时可运行本发明提供的一种指挥信息系统状态监测与评估方法的发明内容以及各实施例中的部分或全部步骤。所述的存储介质可为磁碟、光盘、只读存储记忆体(read-only memory,ROM)或随机存储记忆体(random access memory,RAM)等。
本领域的技术人员可以清楚地了解到本发明实施例中的技术方案可借助计算机程序以及其对应的通用硬件平台的方式来实现。基于这样的理解,本发明实施例中的技术方案本质上或者说对现有技术做出贡献的部分可以以计算机程序即软件产品的形式体现出来,该计算机程序软件产品可以存储在存储介质中,包括若干指令用以使得一台包含数据处理单元的设备(可以是个人计算机,服务器,单片机,MUU或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
本发明提供了一种指挥信息系统状态监测与评估方法的思路及方法,具体实现该技术方案的方法和途径很多,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。本实施例中未明确的各组成部分均可用现有技术加以实现。
Claims (10)
1.一种指挥信息系统状态监测与评估方法,其特征在于,包括如下步骤:
步骤1:采集所述指挥信息系统的运行数据与状态,进行数据预处理,对所述系统状态监测与评估提供数据支撑;
步骤2,根据具体需求及评估范围设置监测点,采集单监测点数据并进行预处理,得到单检测点的状态值;
步骤3,计算两个不同检测点之间的关联关系,得到关联关系权值;
步骤4,设置监测域,进行域监测数据分析与计算,得到域评估数据;
步骤5,建立智能化训练引擎,优化单监测点处理和域监测数据处理过程中的参数;
步骤6,通过SOM神经网络算法对单监测点处理和域监测数据处理得到的结果进行评估,完成所述的指挥信息系统状态监测与评估。
8.根据权利要求7所述的一种指挥信息系统状态监测与评估方法,其特征在于,步骤5中所述的优化单监测点处理和域监测数据处理过程中的参数,包括如下步骤:
步骤5-3:对新采集的数据,采用更新后的系统评估参数,并使用步骤2-2、步骤3-2和步骤4-2的方法进行评估,获得更新后的评估结果。
9.根据权利要求8所述的一种指挥信息系统状态监测与评估方法,其特征在于,步骤6包括如下步骤:
步骤6-1:将步骤4-4计算得到的评估参数根据数据特征分别投影至X、Y和Z不同维度3维投影面,每个评估数据可以得到在3个投影面的投影值,即
步骤6-2:根据对检测区域内的每个监测点的评估值进行转换,形成:
步骤6-3:使用SOM神经网络算法进行训练,得到的结果以二维热力图形式展现,形成对系统状态的图形化展现,形成系统运行状态的整体运行评估图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310509729.0A CN116225882B (zh) | 2023-05-08 | 2023-05-08 | 一种指挥信息系统状态监测与评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310509729.0A CN116225882B (zh) | 2023-05-08 | 2023-05-08 | 一种指挥信息系统状态监测与评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116225882A true CN116225882A (zh) | 2023-06-06 |
CN116225882B CN116225882B (zh) | 2023-08-15 |
Family
ID=86584709
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310509729.0A Active CN116225882B (zh) | 2023-05-08 | 2023-05-08 | 一种指挥信息系统状态监测与评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116225882B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107609754A (zh) * | 2017-08-25 | 2018-01-19 | 国网辽宁省电力有限公司 | 一种电网信息系统性能监测系统及方法 |
CN113240289A (zh) * | 2021-05-17 | 2021-08-10 | 国电南瑞南京控制系统有限公司 | 一种电网调度控制系统运行状态评估方法及系统 |
-
2023
- 2023-05-08 CN CN202310509729.0A patent/CN116225882B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107609754A (zh) * | 2017-08-25 | 2018-01-19 | 国网辽宁省电力有限公司 | 一种电网信息系统性能监测系统及方法 |
CN113240289A (zh) * | 2021-05-17 | 2021-08-10 | 国电南瑞南京控制系统有限公司 | 一种电网调度控制系统运行状态评估方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116225882B (zh) | 2023-08-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111830408B (zh) | 一种基于边缘计算和深度学习的电机故障诊断系统及方法 | |
CN105117602B (zh) | 一种计量装置运行状态预警方法 | |
CN112488395A (zh) | 一种配电网线损预测方法及系统 | |
CN106453293A (zh) | 一种基于改进bpnn的网络安全态势预测方法 | |
CN106777093A (zh) | 基于空间时序数据流应用的Skyline查询系统 | |
CN106708989A (zh) | 基于空间时序数据流应用的Skyline查询方法 | |
WO2021098384A1 (zh) | 一种数据异常检测方法及装置 | |
CN108090613A (zh) | 一种进近管制扇区管制员工作负荷预测方法 | |
CN113469470B (zh) | 基于电力大脑中枢的用能数据与碳排放量关联分析方法 | |
CN112857658B (zh) | 一种基于云平台的压力检测系统 | |
CN112990500A (zh) | 基于改进加权灰色关联分析的台区线损分析方法及系统 | |
CN116010900A (zh) | 基于自注意力机制的多尺度特征融合齿轮箱故障诊断方法 | |
CN110033181B (zh) | 一种基于自编码器的发电设备状态评估方法 | |
CN117370766A (zh) | 一种基于深度学习的卫星任务规划方案评估方法 | |
CN116225882B (zh) | 一种指挥信息系统状态监测与评估方法 | |
CN111738483A (zh) | 基于聚类和深层信念网络的电网降损优化方法及系统 | |
CN109828984A (zh) | 一种分析处理的方法、装置、计算机存储介质及终端 | |
CN103455525B (zh) | 基于用户的搜索推广行为确定推广帐号状态的方法与设备 | |
CN112182888B (zh) | 小型滑移式危岩体主控结构面力学参数识别方法及装置 | |
CN111859783B (zh) | 水压预测方法、系统、存储介质、设备、城市供水系统 | |
CN107025497A (zh) | 一种基于Elman神经网络的电力负荷预警方法及装置 | |
CN113642699A (zh) | 一种江河洪水智能预报系统 | |
CN113569358A (zh) | 一种面向产品质量反馈的数字孪生系统模型构建方法 | |
CN111008584A (zh) | 一种模糊自组织神经网络的电能质量量测缺失修复方法 | |
Li et al. | Case-base maintenance based on multi-layer alternative-covering algorithm |
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 |