CN116522068A - 一种试验参数生成方法和系统 - Google Patents
一种试验参数生成方法和系统 Download PDFInfo
- Publication number
- CN116522068A CN116522068A CN202310796800.8A CN202310796800A CN116522068A CN 116522068 A CN116522068 A CN 116522068A CN 202310796800 A CN202310796800 A CN 202310796800A CN 116522068 A CN116522068 A CN 116522068A
- Authority
- CN
- China
- Prior art keywords
- test
- distribution function
- probability distribution
- parameter
- input values
- 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
- 238000012360 testing method Methods 0.000 title claims abstract description 318
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000005315 distribution function Methods 0.000 claims abstract description 219
- 238000005070 sampling Methods 0.000 claims abstract description 49
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 claims description 17
- 238000013507 mapping Methods 0.000 claims description 7
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 description 10
- 238000012886 linear function Methods 0.000 description 5
- 238000000342 Monte Carlo simulation Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000000528 statistical test Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64F—GROUND OR AIRCRAFT-CARRIER-DECK INSTALLATIONS SPECIALLY ADAPTED FOR USE IN CONNECTION WITH AIRCRAFT; DESIGNING, MANUFACTURING, ASSEMBLING, CLEANING, MAINTAINING OR REPAIRING AIRCRAFT, NOT OTHERWISE PROVIDED FOR; HANDLING, TRANSPORTING, TESTING OR INSPECTING AIRCRAFT COMPONENTS, NOT OTHERWISE PROVIDED FOR
- B64F5/00—Designing, manufacturing, assembling, cleaning, maintaining or repairing aircraft, not otherwise provided for; Handling, transporting, testing or inspecting aircraft components, not otherwise provided for
- B64F5/60—Testing or inspecting aircraft components or systems
-
- 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
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Optimization (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Algebra (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Databases & Information Systems (AREA)
- Operations Research (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Transportation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明涉及一种试验参数生成方法和系统,属于系统测试领域,具体包括:获取待测系统的各试验参数信息;基于各所述试验参数信息分别确定相应试验参数的概率分布函数;基于各试验参数对应的所述预设条件获取相应概率分布函数输入值数量;基于所述概率分布函数输入值数量得到分布函数;从连续的非负整数范围内获取所述分布函数的输入值,基于所述分布函数的输入值利用所述分布函数和各试验参数的所述概率分布函数计算得到所述试验的试验参数值。本发明可以简化系统试验参数的生成方法,实现对多次系统试验输入参数的采样,完成系统试验的样本覆盖要求,减少试验数据记录量。
Description
技术领域
本发明属于系统测试领域,尤其涉及一种试验参数生成方法和系统。
背景技术
在航空航天领域的各种系统,如飞控系统、飞机液压系统、飞控航电液压系统都是飞机的重要系统,如果系统出故障则可能造成重大飞行事故,因此航标规定各种系统必须进行多次大数据量的系统试验,通过试验,既可以考核系统各组成的抗疲劳破坏能力,又可以发现设计中存在的问题,从而以改进设计,提高各系统如飞控系统、飞机液压系统、飞控航电液压的可靠性。
在航空航天的系统测试领域,各种系统试验都需要对样本空间进行大量的采样,从而得出系统的结果判定,通常采用蒙特卡罗方法进行试验验证。由于蒙特卡罗方法是一种统计试验法,试验输入参数数量庞大,采样样本空间数量也很大。当前一般试验人员手动输入的方式或试验系统生成方式。
由试验人员手动输入的方式是由试验人员手动选择所有的试验参数,试验人员根据试验系统的系统特性,结合以往经验,选择试验参数采样空间中的一组数值,构造试验用例,试验根据试验用例进行。该方式的缺点是需要消耗大量的试验人员创建试验用例,确定试验参数,缺少自动化能力。试验用例创建少的时候,样本空间覆盖不完整,统计试验结果有较大偏移。由于该方法对试验系统来说实现简单,所以大多数武器装备试验系统都采用这种方式。
由系统进行生成的方法当前多采用随机数生成的方式实现对参数的生成。该方式减少了试验人员的负担,有利于实现试验过程自动化进行,不需要试验人员试验前大量配置试验用例,是一种较新的实现方案。该方式也存在较多问题,由程序采用随机数的方式对参数进行输入,无法响应采样分布的要求;不方便对试验进行复现,复现只有将所生成的随机数进行记录;记录数据量大,系统要求高;不同试验的参数进行对比繁琐,试验人员不能直观分辨试验条件是否相同等等问题。
发明内容
鉴于上述的分析,本发明旨在提供一种试验参数生成方法和系统,通过分布函数和各参数的概率分布函数计算生成试验参数值,能够覆盖所有试验参数的输入范围,简化试验人员操作,方便确认试验差异和降低参数记录量。
一方面,本发明提供了一种试验参数生成方法,具体包括如下步骤:
获取待测系统的各试验参数信息,所述试验参数信息包括试验参数采样点取值范围、采样点数量及采样点取值概率分布;
基于各所述试验参数信息分别确定相应试验参数的概率分布函数,所述概率分布函数能够基于满足预设条件的输入值计算得到所述采样点取值范围内的符合试验要求的采样点参数取值;
基于各试验参数对应的所述预设条件获取相应概率分布函数输入值数量;
基于所述概率分布函数输入值数量得到分布函数,所述分布函数将所有所述概率分布函数的输入值范围映射到一个第二取值范围内的连续的非负整数范围;
从所述连续的非负整数范围内获取所述分布函数的输入值,基于所述分布函数的输入值利用所述分布函数和各试验参数的所述概率分布函数计算得到所述试验的试验参数值。
进一步的,所述预设条件包括:
所述概率分布函数的输入值在第一取值范围内均匀分布。
进一步的,所述分布函数表示为:
,/>;
其中,表示所述概率分布函数的总数;/>表示向下取整;/>表示所有所述概率分布函数中前/>个概率分布函数输入值数量的乘积;/>表示第/>个所述概率分布函数的输入值数量;/>表示所述分布函数的输入值,最大取值为所有所述概率分布函数的输入值数量的乘积减1;/>表示第/>个所述概率分布函数的输入值的小数位数;/>表示第/>个所述概率分布函数输入值的公差;/>表示第/>个所述概率分布函数的输入值的最小值。
进一步的,所述概率分布函数的输入值为连续分布的非负整数;
所述第一取值范围为N至N+M-1,其中,N为非负整数,M为采样点取值的数量,所述概率分布函数输入值数量为M。
进一步的,所述第二取值范围为0至各所述概率分布函数输入值数量的乘积减1。
进一步的,基于各所述试验参数信息分别确定相应试验参数的概率分布函数,包括:
基于所述采样点取值概率分布确定所述概率分布函数的类型。
进一步的,所述待测系统包括航空系统、航天系统、芯片测试系统中的至少一种;
其中,所述航空系统包括飞控系统、飞机液压系统中的至少一种;
当所述航空系统为飞控系统时,飞控系统试验的各试验参数包括高度、真空速、马赫数、飞行阶段、起落架位置、重量和选择目标参数中的一个或多个;
当所述航空系统为飞机液压系统时,飞机液压系统压力试验的各试验参数包括各油箱油位、各油箱控制阀状态、各油箱压力和襟翼控制角度中的一个或多个。
进一步的,还包括判断每组试验参数配置是否相同,在参数配置相同时通过调整所述分布函数的输入值调整试验参数取值,以使每次试验时选取不同的试验参数值。
进一步的,所述判断每组试验参数配置是否相同,包括:
将每组试验参数、试验参数的取值范围、所述概率分布函数和所述分布函数,分别按照同一规则排序,得到每次试验相应的配置描述文件;
对每次试验的所述配置描述文件分别进行MD5编码;
对比各次试验的所述MD5编码,基于对比结果判断各次试验参数配置是否相同:当各次试验的所述MD5编码不同时,判定各次试验参数配置不同,否则判定各次试验参数配置相同。
另一方面,本发明提供了一种试验参数生成系统,具体包括:
输入值生成模块,用于生成分布函数的输入值;
参数生成模块,用于基于所述分布函数的输入值,使用分布函数和各参数对应的概率分布函数计算得到试验的试验参数值;其中,所述概率分布函数用于基于给定输入值计算得到符合试验要求的参数取值;所述分布函数用于将所有所述概率分布函数的输入值范围映射到一个连续的非负整数范围;
参数对比模块,用于基于各次试验的试验参数、试验参数的取值范围、所述概率分布函数和所述分布函数判断各次试验的参数配置是否相同。
本发明至少可以实现下述之一的有益效果:
通过使用分布函数和概率分布函数两步函数的处理,将航空系统试验的多种试验参数的参数范围,映射到一个连续的取值范围,通过对这个连续的取值范围进行采样,就可以实现对多个不同试验输入参数的采样,完成试验的样本覆盖要求。
通过将试验输入简化为一个连续的取值范围,可以简单使用枚举的方式遍历所有取值范围的有效值,就可以实现自动化试验;并且通过构造不同的概率函数,有针对性的进行取值,更能够提高试验的有效性。
通过采用MD5编码的形式验证参数列表、概率分布函数配置和分布函数配置的变化,能有效检验参数的配置变化,当参数配置相同时,各次试验唯一的变化就是分布函数的输入值的变化,仅有一个变化对于试验人员能够简单判定两个试验的试验条件是否相同,也有利于复现已经进行过的试验。
通过上述对试验条件实现的简单判定方法,降低了系统试验的参数记录量:由于系统试验需要采用蒙特卡罗方法进行的试验,一次试验同需要输入参数状态成百上千条,需要做数百次以上的试验,才能有效覆盖采样范围,因此对于记录输入参数是一个非常大的记录量要求,使用本发明方法对输入参数的记录简化为一组配置数据和一个自然数,其中配置数据为固定不变数据,只需要记录一次;每次试验实际需要记录的输出参数仅为一个自然数,极大减少对记录量的要求。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分优点可从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过说明书、权利要求书以及附图中所特别指出的内容中来实现和获得。
附图说明
附图仅用于示出具体实施例的目的,而并不认为是对本发明的限制,在整个附图中,相同的参考符号表示相同的部件;
图1为本发明方法流程图;
图2为本发明实施例1的一元多次函数示意图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例,其中,附图构成本申请一部分,并与本发明的实施例一起用于阐释本发明的原理,并非用于限定本发明的范围。
方法实施例
实施例1
本发明的一个具体实施例,公开了一种试验参数生成方法,具体包括步骤S01~步骤S06。
步骤S01、获取待测系统的各试验参数信息,所述试验参数信息包括试验参数采样点取值范围、采样点数量及采样点取值概率分布。
具体的,待测系统可以为航空系统、航天系统、芯片测试系统中的一个或多个系统。示例性的,航空系统包括飞控系统、飞机液压系统和飞控航电液压系统中的至少一种。
具体的,针对待测系统,获取相应的各试验参数信息。
步骤S02、基于各所述试验参数信息分别确定相应试验参数的概率分布函数,所述概率分布函数能够基于满足预设条件的输入值计算得到所述采样点取值范围内的符合试验要求的采样点参数取值。
具体的,各参数的概率分布函数根据取值范围和取值概率分布情况可采用多种函数形式,用于将参数的取值范围映射到输入值的线性的非负整数范围。
具体的,概率分布函数最好是单调函数,以保证输出不重复。
具体的,概率分布函数的输入值在第一取值范围内均匀分布,所述第一取值范围指概率分布函数的输入值范围;需要说明的是,概率分布函数的输入值为满足等差分布的小数或整数,该输入值可以为正数、0或负数。在本申请的一个实施例中,所述概率分布函数的输入值为连续分布的非负整数;所述第一取值范围为N至N+M-1,其中,N为非负整数,M为采样点取值的数量,所述概率分布函数输入值数量为M。
可选的,概率分布函数的类型依据采样点取值概率分布确定,其类型包括:在预设条件下满足单调性的函数 、分段函数和查表插值函数中的一个或多个,这里的预设条件指概率分布函数的输入值在第一取值范围内取值。上述满足单调性的函数包括单调函数包括但不限于线性函数、多次函数。示例性的,当采样点取值均匀分布时,优选采用线性函数;当采样点取值在某区域较为集中时,可采用分段函数;当采样点取值间隔逐渐拉大时,可采用多次函数或指数函数等。
以线性函数为例,示例性的,表示为一次函数的形式,其中/>为给定输入值,/>、/>为系数。示例性的,在一个飞机液压系统试验中,对于各油箱油位参数,参数取值范围在[10,20]范围内、需要平均取5个点采样点的试验参数,则采用的函数可以满足将在参数[10,20]的范围映射到概率分布函数输入值[0,4]的范围,即/>,/>,相应的,N=0,M=5。
可选的,概率分布函数可以为分段函数,适用于试验参数无法使用线性拟合或要求精度较高的情况。示例性的,在飞机液压系统试验中,各油箱压力的概率分布函数,对于输入值/>的取值情况,分别对应油箱压力低、中、高的情况,相应的,N=0,M=3,对应的/>即油箱压力的取值分别为:/>,/>,。
可选的,概率分布函数可以采用查表插值的方式,确定输入值和参数取值的映射关系。示例性的,对于参数取值范围在[0,1]的范围内,需要取5个采样点,分别为[0,0.4,0.7,0.9,1]的参数,构造查表插值生成如表1所示:
可选的,概率分布函数可以是一元多次函数,用于需要更多覆盖某段采样区间的场景。示例性的,对于试验输入参数在[10,50]的范围内,需要平均取5个点采样点,但主要[10,25]范围内采样的情况,因此可以使用函数,满足将参数值范围映射到输入值范围[0,4],如图2所示。示例性的,在一个飞控系统试验中,参数飞行高度的概率分布函数为/>,将参数值范围映射到输入值范围[0,5],其中N=0,M=6。
步骤S03、基于各试验参数对应的所述预设条件获取相应概率分布函数输入值数量。
具体的,概率分布函数的输入值的取值范围,根据相应参数的可选数量确定;示例性的,在一个系统试验中要对参数的10个不同值进行试验,则输入值取值范围为[0,9]。
示例性的,在步骤S02中所述的飞机液压系统试验中, 5个点采样点的试验参数都不同的情况下,则参数取值个数为5,输入值确定为[0,4]的范围。
示例性的,在步骤S02中所述的飞控系统试验中,参数飞行高度在6次试验中有两次取值相同,则概率分布函数的输入值取5个,范围确定为[0,4]。
步骤S04、基于所有所述概率分布函数和相应的输入值范围得到分布函数,所述分布函数将所有所述概率分布函数的输入值范围映射到一个第二取值范围内的连续的非负整数范围。
具体的,分布函数表示为:
,/>;
其中,表示所述概率分布函数的总数;/>表示向下取整;/>表示所有所述概率分布函数中前/>个概率分布函数输入值数量的乘积;/>表示第/>个所述概率分布函数的输入值数量;/>表示所述分布函数的输入值,最大取值为所有所述概率分布函数的输入值数量的乘积减1;/>表示第/>个所述概率分布函数的输入值的小数位数;/>表示第个所述概率分布函数输入值的公差;/>表示第/>个所述概率分布函数的输入值的最小值。
示例性的,对于试验有三个概率分布函数,三个概率分布函数的输入值范围分别为[0,2]、[0,3]、[0,4]的场景,相应分布函数的输入的范围是[0,59]。
根据分布函数的定义,、/>和/>的计算过程如下:
,/>;
,/>;
,/>;
;
具体的,该示例中,对于每个概率分布函数,均有,/>,/>;则有/>,/>,/>。
取不同值时,/>的取值情况示例如下:
,/>,/>,/>;
,/>,/>,/>;
,/>,/>,/>;
,/>,/>,/>;
,/>,/>,/>。
具体的,分布函数可以选择其他的函数,分布函数满足的要求是:
通过分布函数,能够产生每个概率分布函数/>的输入/>值;
对于分布函数的输入范围,产生的输出,能够覆盖所有概率分布函数/>的输入范围要求;
对于任意的分布函数的输入范围内的输入,对应每个概率分布函数/>必须有且只有唯一的输出。
步骤S05、从所述连续的非负整数范围内选取所述分布函数的输入值,基于所述分布函数的输入值利用所述分布函数和各参数的所述概率分布函数计算得到所述压力试验的试验参数值。
S051、基于所述分布函数的输入值利用所述分布函数计算得到各所述概率分布函数的相应输入值。
示例性的,如步骤S04中的场景,分布函数基于分布函数的输入值为24、59的情况下,计算得到三个概率分布函数的相应输入值:
,/>,/>,/>;
,/>,/>,/>。
S052、基于所述相应输入值利用各所述概率分布函数计算得到所述压力试验的各试验参数值。
示例性的,设三个概率分布函数分别为:
为分段函数,对于输入值/>的取值情况,分别对应:/>,/>,/>;
;
;
则基于上述计算得到的输入值分别计算其参数值:
,/>,计算得到/>,/>;
,/>,计算得到/>,/>;
,/>,计算得到/>,;
即对应输入值为24、59情况下,两组试验参数取值分别为(0,0,15)和(21.56,3,20)。
步骤S06、对于需要进行多次试验的系统试验,每次进行系统试验时,判断每组试验参数配置是否相同,在参数配置相同时通过调整所述分布函数的输入值调整试验参数取值,以使每次试验时选取不同的试验参数。
具体的,判断每组试验参数配置是否相同,包括:
将每组试验参数、试验参数的取值范围、所述概率分布函数和所述分布函数,分别按照同一规则排序,得到每次试验相应的配置描述文件;
对每次试验的所述配置描述文件分别进行MD5编码;
对比各次试验的所述MD5编码,基于对比结果判断各次试验参数配置是否相同:当各次试验的所述MD5编码不同时,判定各次试验参数配置不同,否则判定各次试验参数配置相同。
具体的,参数配置相同时,由于不同的分布函数的输入值对应不同的试验参数取值,每次进行试验时,改变输入值,即可调整试验参数。
本实施例,公开了一种试验参数生成方法,通过使用分布函数和概率分布函数两步函数的处理,将试验的多种试验参数的参数范围,映射到一个连续的取值范围,通过对这个连续的取值范围进行采样,就可以实现对多个不同试验输入参数的采样,完成试验的样本覆盖要求;通过将试验输入简化为一个连续的取值范围,可以简单使用枚举的方式遍历所有取值范围的有效值,就可以实现自动化试验;并且通过构造不同的概率函数,有针对性的进行取值,更能够提高试验的有效性。
本实施例方法通过采用MD5编码的形式验证参数列表、概率分布函数配置和分布函数配置的变化,能有效检验参数的配置变化,当参数配置相同时,各次试验唯一的变化就是分布函数的输入值的变化,仅有一个变化对于试验人员能够简单判定两个试验的试验条件是否相同,也有利于复现已经进行过的试验;通过上述对试验条件实现的简单判定方法,降低了试验的参数记录量:由于航空系统试验等各种试验需要采用蒙特卡罗方法进行的试验,一次试验同需要输入参数状态成百上千条,需要做数百次以上的试验,才能有效覆盖采样范围,因此对于记录输入参数是一个非常大的记录量要求,使用本发明方法对输入参数的记录简化为一组配置数据和一个自然数,其中配置数据为固定不变数据,只需要记录一次;每次试验实际需要记录的输出参数仅为一个自然数,极大减少对记录量的要求。
实施例2
本发明的另一个具体实施例,公开了一种试验参数生成方法。
具体的,本实施例试验为飞控系统试验中的飞控系统稳定储备试验。
步骤S11、获取待测系统的各试验参数信息,所述试验参数信息包括试验参数采样点取值范围、采样点数量及采样点取值概率分布。
具体的,本实施例试验参数可以包括飞机高度、真空速、马赫数、飞行阶段、起落架位置和飞机重量。参数信息见表2。
具体的,选择目标包括副翼作动器、升降舵作动器、方向舵作动器的稳定储备。
步骤S12、基于飞控系统试验参数信息分别确定相应试验参数的概率分布函数,所述概率分布函数能够基于满足预设条件的输入值计算得到所述采样点取值范围内的符合试验要求的采样点参数取值。
步骤S13、基于各试验参数对应的所述预设条件获取相应概率分布函数输入值数量。
具体的,步骤S12和步骤S13结合说明如下:各试验参数对应的概率分布函数设计包括:
高度:具体的,根据表1参数取值情况可知,高度有两次试验取值相同,因此概率分布函数的输入值范围为[0,4],而不是[0,5],概率分布函数为四阶线性函数
;
真空速:概率分布函数为分段函数,;/>时/>;,/>;/>,/>;/>,/>;/>,;/>,/>;
马赫数:概率分布函数为四阶函数,;;
飞行阶段:概率分布函数为分段函数,;起飞=0;巡航=1;着陆=2;
起落架位置:概率分布函数为分段函数,;收起=0;放下=1;
重量:概率分布函数为分段函数,;/>,/>;/>,;/>,/>;具体的,飞机重量因油耗等原因使得起飞时重量最大,降落时重量最小,在参数取值时体现了上述规律。
选择目标:概率分布函数为分段函数,;副翼=0;升降舵=1;方向舵=2。
步骤S14、基于所有所述概率分布函数和相应的输入值范围得到分布函数,所述分布函数将所有所述概率分布函数的输入值范围映射到一个第二取值范围内的连续的非负整数范围。
具体的,分布函数,;/>;
具体的,对于每个概率分布函数,均有,/>,/>;
最大值的计算式为:5×5×4×3×2×3×3=5400;
;
;
;
;
;
;
。
步骤S15、从所述连续的非负整数范围内选取所述分布函数的输入值,基于所述分布函数的输入值利用所述分布函数和各参数的所述概率分布函数计算得到所述压力试验的试验参数值。
具体的,进行试验时,做上面6种条件下的三个测试选择目标共18次试验。6种条件对应的分布函数的输入值为:1530,500,771,829,762,793。包含测试选择目标后所需的输入值如表3所示。
步骤S16、每次进行试验时,判断每组试验参数配置是否相同,在参数配置相同时通过调整所述分布函数的输入值调整试验参数取值,以使每次试验时选取不同的试验参数。
具体的,将试验参数、试验参数的取值范围、概率分布函数和分布函数生成配置描述文件,对配置描述文件进行MD5编码。
具体的,验证每次试验的输入是否相同时,通过判断配置描述文件的MD5编码和输入值是否一致,来确定试验的参数配置和参数取值是否相同。
本实施例,公开了一种试验参数生成方法,通过本实施例方法设计的分布函数和概率分布函数,能确保覆盖所有的试验输入范围。
使用本实施例方法试验时,对于6种条件3种目标,指定18次试验的输入值数字,即可生成试验参数,极大的简化了自动化试验对试验人员的操作。
使用本实施方法试验时,配置文件MD5码相同情况下,试验数字相同,就能说明试验时相同的,有任何一个不同,说明试验的条件是不同的,极大的方便试验人员确认试验差异。
在现有的常规方法进行试验时,一次试验需要记录6个输入参数以及目标的具体内容;而使用本实施例方法,一次试验只需要记录一个输入的值,本实施例可以极大降低试验数据记录量。
实施例3
本发明的另一个具体实施例,公开了一种试验参数生成方法。
具体的,本实施例试验为飞机液压系统压力试验。
步骤S21、获取待测系统的各试验参数信息,所述试验参数信息包括试验参数采样点取值范围、采样点数量及采样点取值概率分布。
试验参数包括:
左油箱油位,取值包括:低(50%)、中(70%)、高(90%);
中油箱油位,取值包括:低(50%)、中(70%)、高(90%);
右油箱油位,取值包括:低(50%)、中(70%)、高(90%);
左油箱压力,取值包括:低(0.0)、中(18.5)、高(21.56);
中油箱压力,取值包括:低(0.0)、中(18.5)、高(21.56);
右油箱压力,取值包括:低(0.0)、中(18.5)、高(21.56);
左油箱控制阀,取值包括:开启、关闭;
中油箱控制阀,取值包括:开启、关闭;
右油箱控制阀,取值包括:开启、关闭;
襟翼控制角度,有0,15,35,65四档,取值情况包括左右襟翼控制角度的共12种组合状态。
具体的,试验时,上述每个参数选取一个取值进行试验。
步骤S22、基于各所述试验参数信息分别确定相应试验参数的概率分布函数,所述概率分布函数能够基于满足预设条件的输入值计算得到所述采样点取值范围内的符合试验要求的采样点参数取值。
步骤S23、基于各试验参数对应的所述预设条件获取相应概率分布函数输入值数量。
具体的,步骤S22和步骤S23结合说明如下:各试验参数对应的概率分布函数设计为:
左油箱油位,低(50%)、中(70%)、高(90%),/>;
中油箱油位,低(50%)、中(70%)、高(90%),/>;
右油箱油位,低(50%)、中(70%)、高(90%),/>;
左油箱压力分段函数,/>,/>时,/>,代表低;时,/>,代表中;/>时,/>,代表高;
中油箱压力分段函数,/>,/>时,/>,代表低;时,/>,代表中;/>时,/>,代表高;
右油箱压力分段函数,/>,/>时,/>,代表低;时,/>,代表中;/>时,/>,代表高;
左油箱控制阀,/>表示关闭、/>表示开启;
中油箱控制阀,/>表示关闭、/>表示开启;
右油箱控制阀,/>表示关闭、/>表示开启;
襟翼控制角度分段函数,/>,分别表示0,15,35,65四档的12种组合。
步骤S24、基于所有所述概率分布函数和相应的输入值范围得到分布函数,所述分布函数将所有所述概率分布函数的输入值范围映射到一个连续的非负整数范围。
具体的,分布函数,;/>;
最大值的计算式为/>;
具体的,对于每个概率分布函数,均有,/>,/>;
;
;
;
;
;
;
;
;
;
。
步骤S25、从所述连续的非负整数范围内选取所述分布函数的输入值,基于所述分布函数的输入值利用所述分布函数和各参数的所述概率分布函数计算得到所述压力试验的试验参数值。
具体的,进行试验时,在[0-69983]用系统随机生成或人工指定一个输入数字,基于分布函数计算上述各概率分布函数的相应输入值,再基于各概率分布函数计算得到试验参数值。
步骤S26、每次进行压力试验时,判断每组试验参数配置是否相同,在参数配置相同时通过调整输入值调整试验参数取值,以使每次压力试验时选取不同的试验参数。
具体的,将试验参数、试验参数的取值范围、概率分布函数和分布函数,生成的配置描述文件为:
{
"gy": {
"左油箱油位": {
"type": "func-1",
"a": 50,
"b": 20,
"max": 2
},
"中油箱油位": {
"type": "func-1",
"a": 50,
"b": 20,
"max": 2
},
"右油箱油位": {
"type": "func-1",
"a": 50,
"b": 20,
"max": 2
},
"左油箱压力": {
"type": "key-value",
"data": [{
"key": 0,
"value": 0
}, {
"key": 1,
"value": 18.5
}, {
"key": 2,
"value": 21.56
}]
},
"中油箱压力": {
"type": "key-value",
"data": [{
"key": 0,
"value": 0
}, {
"key": 1,
"value": 18.5
}, {
"key": 2,
"value": 21.56
}]
},
"右油箱压力": {
"type": "key-value",
"data": [{
"key": 0,
"value": 0
}, {
"key": 1,
"value": 18.5
}, {
"key": 2,
"value": 21.56
}]
},
"左油箱控制阀": {
"type": "func-1",
"a": 0,
"b": 1,
"max": 1
},
"中油箱控制阀": {
"type": "func-1",
"a": 0,
"b": 1,
"max": 2
},
"右油箱控制阀": {
"type": "func-1",
"a": 0,
"b": 1,
"max": 2
},
"襟翼控制角度": {
"type": "func-1",
"a": 0,
"b": 1,
"max": 11
}
},
"fx": {
"左油箱油位": {
"a": 1,
"b": 3
},
"中油箱油位": {
"a": 3,
"b": 3
},
"右油箱油位": {
"a": 9,
"b": 3
},
"左油箱压力": {
"a": 27,
"b": 3
},
"中油箱压力": {
"a": 81,
"b": 3
},
"右油箱压力": {
"a": 243,
"b": 3
},
"左油箱控制阀": {
"a": 729,
"b": 2
},
"中油箱控制阀": {
"a": 1458,
"b": 2
},
"右油箱控制阀": {
"a": 2916,
"b": 2
},
"襟翼控制角度": {
"a": 5832,
"b": 12
}
}
}
对配置描述文件进行MD5编码。
具体的,验证每次试验的输入是否相同时,通过判断配置描述文件的MD5编码和输入值是否一致,来确定试验的参数配置和参数取值是否相同。
本实施例,公开了一种试验参数生成方法,通过本实施例方法设计的分布函数和概率分布函数,能确保覆盖本实施例飞机液压系统压力试验的所有的输入范围,只需要对[0-69983]所有数字进行测试,就能覆盖所有可能组合。
使用本实施例方法试验时,在[0-69983]的范围内指定一组数字进行测试即可生成试验参数,极大的简化了自动化试验对试验人员的操作。
使用本实施方法试验时,配置文件MD5码相同情况下,试验数字相同,就能说明试验时相同的,有任何一个不同,说明试验的条件是不同的,极大的方便试验人员确认试验差异。
在现有的常规方法进行试验时,一次试验需要记录10个输入参数的具体内容;而使用本实施例方法,一次试验只需要记录一个输入的值,对于上万次甚至是69984的全覆盖的试验操作情况,本实施例可以极大降低试验数据记录量。
系统实施例
本实施例,公开了一种生成系统,包括输入值生成模块、参数生成模块和参数对比模块。其中:
输入值生成模块,用于生成分布函数的输入值;
参数生成模块,用于基于所述分布函数的输入值,使用所述分布函数和各参数对应的概率分布函数计算得到试验的试验参数值;其中,所述概率分布函数用于基于给定输入值计算得到符合试验要求的参数取值;所述分布函数用于将所有所述概率分布函数的输入值范围映射到一个连续的非负整数范围;
参数对比模块,用于基于各次试验的试验参数、试验参数的取值范围、所述概率分布函数和所述分布函数判断各次试验的参数配置是否相同。
相比于现有技术,本实施例提供的一种试验参数生成系统有益效果与上述各方法实施例提供的有益效果基本相同,在此不一一赘述。
需要说明的是,上述实施例基于相同的发明构思,未重复描述之处,可相互借鉴。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种试验参数生成方法,其特征在于,包括如下步骤:
获取待测系统的各试验参数信息,所述试验参数信息包括试验参数采样点取值范围、采样点数量及采样点取值概率分布;
基于各所述试验参数信息分别确定相应试验参数的概率分布函数,所述概率分布函数能够基于满足预设条件的输入值计算得到所述采样点取值范围内的符合试验要求的采样点参数取值;
基于各试验参数对应的所述预设条件获取相应概率分布函数输入值数量;
基于所述概率分布函数输入值数量得到分布函数,所述分布函数将所有所述概率分布函数的输入值范围映射到一个第二取值范围内的连续的非负整数范围;
从所述连续的非负整数范围内获取所述分布函数的输入值,基于所述分布函数的输入值利用所述分布函数和各试验参数的所述概率分布函数计算得到所述试验的试验参数值。
2.根据权利要求1所述的试验参数生成方法,其特征在于,所述预设条件包括:
所述概率分布函数的输入值在第一取值范围内均匀分布。
3.根据权利要求2所述的试验参数生成方法,其特征在于,所述分布函数表示为:
,/>;
其中,表示所述概率分布函数的总数;/>表示向下取整;/>表示所有所述概率分布函数中前/>个概率分布函数输入值数量的乘积;/>表示第/>个所述概率分布函数的输入值数量;/>表示所述分布函数的输入值,最大取值为所有所述概率分布函数的输入值数量的乘积减1;/>表示第/>个所述概率分布函数的输入值的小数位数;/>表示第/>个所述概率分布函数输入值的公差;/>表示第/>个所述概率分布函数的输入值的最小值。
4.根据权利要求3所述的试验参数生成方法,其特征在于,所述概率分布函数的输入值为连续分布的非负整数;
所述第一取值范围为N至N+M-1,其中,N为非负整数,M为采样点取值的数量,所述概率分布函数输入值数量为M。
5.根据权利要求1所述的试验参数生成方法,其特征在于,所述第二取值范围为0至各所述概率分布函数输入值数量的乘积减1。
6.根据权利要求1所述的试验参数生成方法,其特征在于,所述基于各所述试验参数信息分别确定相应试验参数的概率分布函数,包括:
基于所述采样点取值概率分布确定所述概率分布函数的类型。
7.根据权利要求1-6任一项所述的试验参数生成方法,其特征在于,所述待测系统包括航空系统、航天系统、芯片测试系统中的至少一种;
其中,所述航空系统包括飞控系统、飞机液压系统中的至少一种;
当所述航空系统为飞控系统时,飞控系统试验的各试验参数包括高度、真空速、马赫数、飞行阶段、起落架位置、重量和选择目标参数中的一个或多个;
当所述航空系统为飞机液压系统时,飞机液压系统压力试验的各试验参数包括各油箱油位、各油箱控制阀状态、各油箱压力和襟翼控制角度中的一个或多个。
8.根据权利要求1-6任一项所述的试验参数生成方法,其特征在于,还包括判断每组试验参数配置是否相同,在参数配置相同时通过调整所述分布函数的输入值调整试验参数取值,以使每次试验时选取不同的试验参数值。
9.根据权利要求8所述的试验参数生成方法,其特征在于,所述判断每组试验参数配置是否相同,包括:
将每组试验参数、试验参数的取值范围、所述概率分布函数和所述分布函数,分别按照同一规则排序,得到每次试验相应的配置描述文件;
对每次试验的所述配置描述文件分别进行MD5编码;
对比各次试验的所述MD5编码,基于对比结果判断各次试验参数配置是否相同:当各次试验的所述MD5编码不同时,判定各次试验参数配置不同,否则判定各次试验参数配置相同。
10.一种试验参数生成系统,其特征在于,包括:
输入值生成模块,用于生成分布函数的输入值;
参数生成模块,用于基于所述分布函数的输入值,使用所述分布函数和各参数对应的概率分布函数计算得到试验的试验参数值;其中,所述概率分布函数用于基于给定输入值计算得到符合试验要求的参数取值;所述分布函数用于将所有所述概率分布函数的输入值范围映射到一个连续的非负整数范围;
参数对比模块,用于基于各次试验的试验参数、试验参数的取值范围、所述概率分布函数和所述分布函数判断各次试验的参数配置是否相同。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310796800.8A CN116522068B (zh) | 2023-07-03 | 2023-07-03 | 一种试验参数生成方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310796800.8A CN116522068B (zh) | 2023-07-03 | 2023-07-03 | 一种试验参数生成方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116522068A true CN116522068A (zh) | 2023-08-01 |
CN116522068B CN116522068B (zh) | 2023-09-15 |
Family
ID=87403283
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310796800.8A Active CN116522068B (zh) | 2023-07-03 | 2023-07-03 | 一种试验参数生成方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116522068B (zh) |
Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040167721A1 (en) * | 2001-07-27 | 2004-08-26 | Masahiro Murakawa | Optimal fitting parameter determining method and device, and optimal fitting parameter determining program |
US20060067390A1 (en) * | 2004-09-29 | 2006-03-30 | Teradyne, Inc. | Method and apparatus for measuring jitter |
US20080039960A1 (en) * | 2004-11-09 | 2008-02-14 | Timor Kadir | Signal processing method and apparatus |
JP2011191120A (ja) * | 2010-03-12 | 2011-09-29 | Ntn Corp | 打切り寿命または打切り強度の試験における試験の設計・解釈方法,装置,プログラム |
KR20140141019A (ko) * | 2013-05-31 | 2014-12-10 | 한국항공우주산업 주식회사 | 항공기의 무장 안전 분리 확인 방법 |
CN106407627A (zh) * | 2016-11-23 | 2017-02-15 | 西南石油大学 | 一种风速概率分布建模的方法和系统 |
CN107220403A (zh) * | 2017-04-20 | 2017-09-29 | 南京航空航天大学 | 飞行器弹性模态的控制关联建模方法 |
CN110795836A (zh) * | 2019-10-17 | 2020-02-14 | 浙江大学 | 一种基于区间与有界概率混合不确定性的机械臂稳健优化设计方法 |
CN111199105A (zh) * | 2020-01-03 | 2020-05-26 | 浙江大学 | 一种扑翼运动参数优化方法 |
KR20210047158A (ko) * | 2019-10-21 | 2021-04-29 | 연세대학교 산학협력단 | 통계학적 분석을 통한 유한요소모델의 신뢰성 보정 및 검증 방법 |
CN113408178A (zh) * | 2021-07-06 | 2021-09-17 | 大连理工大学 | 基于函数概率分布的土石料应力变形参数随机场模拟方法 |
CN113761671A (zh) * | 2021-11-11 | 2021-12-07 | 西安羚控电子科技有限公司 | 一种固定翼无人机动力学仿真模型校准方法及系统 |
CN113806991A (zh) * | 2021-11-17 | 2021-12-17 | 天津仁爱学院 | 一种发动机燃烧噪声优化预测方法、装置及存储介质 |
CN113962145A (zh) * | 2021-10-08 | 2022-01-21 | 北京航空航天大学 | 一种区间数据样本条件下的参数不确定性量化建模方法 |
CN114925536A (zh) * | 2022-05-31 | 2022-08-19 | 南京航空航天大学 | 机载系统phm测试性建模与诊断策略优化方法和装置 |
WO2022174755A1 (zh) * | 2021-02-19 | 2022-08-25 | 阿里巴巴集团控股有限公司 | 信息处理方法及装置、计算设备 |
CN115062269A (zh) * | 2022-06-10 | 2022-09-16 | 南京航空航天大学 | 一种基于信息快速转换的空间域电磁场重构方法 |
CN115221801A (zh) * | 2022-09-20 | 2022-10-21 | 中国人民解放军国防科技大学 | 基于动态近似建模的飞行器不确定性传播分析方法和装置 |
WO2022230736A1 (ja) * | 2021-04-27 | 2022-11-03 | 昭和電工マテリアルズ株式会社 | 設計支援装置、設計支援方法及び設計支援プログラム |
CN115934512A (zh) * | 2022-11-21 | 2023-04-07 | 苏州浪潮智能科技有限公司 | 存储系统动态测试方法、装置、计算机设备和存储介质 |
-
2023
- 2023-07-03 CN CN202310796800.8A patent/CN116522068B/zh active Active
Patent Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040167721A1 (en) * | 2001-07-27 | 2004-08-26 | Masahiro Murakawa | Optimal fitting parameter determining method and device, and optimal fitting parameter determining program |
US20060067390A1 (en) * | 2004-09-29 | 2006-03-30 | Teradyne, Inc. | Method and apparatus for measuring jitter |
US20080039960A1 (en) * | 2004-11-09 | 2008-02-14 | Timor Kadir | Signal processing method and apparatus |
JP2011191120A (ja) * | 2010-03-12 | 2011-09-29 | Ntn Corp | 打切り寿命または打切り強度の試験における試験の設計・解釈方法,装置,プログラム |
KR20140141019A (ko) * | 2013-05-31 | 2014-12-10 | 한국항공우주산업 주식회사 | 항공기의 무장 안전 분리 확인 방법 |
CN106407627A (zh) * | 2016-11-23 | 2017-02-15 | 西南石油大学 | 一种风速概率分布建模的方法和系统 |
CN107220403A (zh) * | 2017-04-20 | 2017-09-29 | 南京航空航天大学 | 飞行器弹性模态的控制关联建模方法 |
CN110795836A (zh) * | 2019-10-17 | 2020-02-14 | 浙江大学 | 一种基于区间与有界概率混合不确定性的机械臂稳健优化设计方法 |
KR20210047158A (ko) * | 2019-10-21 | 2021-04-29 | 연세대학교 산학협력단 | 통계학적 분석을 통한 유한요소모델의 신뢰성 보정 및 검증 방법 |
CN111199105A (zh) * | 2020-01-03 | 2020-05-26 | 浙江大学 | 一种扑翼运动参数优化方法 |
WO2022174755A1 (zh) * | 2021-02-19 | 2022-08-25 | 阿里巴巴集团控股有限公司 | 信息处理方法及装置、计算设备 |
WO2022230736A1 (ja) * | 2021-04-27 | 2022-11-03 | 昭和電工マテリアルズ株式会社 | 設計支援装置、設計支援方法及び設計支援プログラム |
CN113408178A (zh) * | 2021-07-06 | 2021-09-17 | 大连理工大学 | 基于函数概率分布的土石料应力变形参数随机场模拟方法 |
CN113962145A (zh) * | 2021-10-08 | 2022-01-21 | 北京航空航天大学 | 一种区间数据样本条件下的参数不确定性量化建模方法 |
CN113761671A (zh) * | 2021-11-11 | 2021-12-07 | 西安羚控电子科技有限公司 | 一种固定翼无人机动力学仿真模型校准方法及系统 |
CN113806991A (zh) * | 2021-11-17 | 2021-12-17 | 天津仁爱学院 | 一种发动机燃烧噪声优化预测方法、装置及存储介质 |
CN114925536A (zh) * | 2022-05-31 | 2022-08-19 | 南京航空航天大学 | 机载系统phm测试性建模与诊断策略优化方法和装置 |
CN115062269A (zh) * | 2022-06-10 | 2022-09-16 | 南京航空航天大学 | 一种基于信息快速转换的空间域电磁场重构方法 |
CN115221801A (zh) * | 2022-09-20 | 2022-10-21 | 中国人民解放军国防科技大学 | 基于动态近似建模的飞行器不确定性传播分析方法和装置 |
CN115934512A (zh) * | 2022-11-21 | 2023-04-07 | 苏州浪潮智能科技有限公司 | 存储系统动态测试方法、装置、计算机设备和存储介质 |
Non-Patent Citations (3)
Title |
---|
ANDERSON N. H. 等: "Two-Sample Test Statistics for Measuring Discrepancies Between Two Multivariate Probability Density Functions Using Kernel-Based Density Estimtes", 《JOURNAL OF MULTIVARIATE ANALYSIS》, vol. 50, no. 1, pages 41 - 54, XP055012391, DOI: 10.1006/jmva.1994.1033 * |
吴旷怀 等: "大样本条件下沥青混合料疲劳试验参数的概率分布分析", 《广州大学学报(自然科学版)》, vol. 6, no. 3, pages 72 - 76 * |
周科平 等: "采矿环境再造地下人工结构稳定性综合方法研究与应用", 《岩土力学与工程学报》, vol. 31, no. 7, pages 1429 - 1436 * |
Also Published As
Publication number | Publication date |
---|---|
CN116522068B (zh) | 2023-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lim et al. | Multimodal degradation prognostics based on switching Kalman filter ensemble | |
CN107153759B (zh) | 一种多源数据融合的航空涡扇发动机剩余寿命预测方法 | |
CN103617324B (zh) | 基于FlightGear仿真软件的飞行仿真记录分析系统 | |
JP2013507611A (ja) | プラットフォーム健全性監視システム | |
CN107944090B (zh) | 基于关键部件失效模型的燃气轮机系统性能预测方法 | |
CN106503746A (zh) | 一种基于性能偏移量的航空发动机故障诊断方法 | |
CN110968069A (zh) | 风力发电机组的故障预测方法、相应的装置及电子设备 | |
Simon | Propulsion diagnostic method evaluation strategy (ProDiMES) user's guide | |
CN111143981B (zh) | 虚拟试验模型验证系统及方法 | |
US6871123B2 (en) | System and method allowing for an integrated flight loads balancing process | |
CN116522068B (zh) | 一种试验参数生成方法和系统 | |
CN111881623A (zh) | 一种面向任务的飞机驾驶人为差错风险评估方法 | |
CN106886620B (zh) | 航天器测试资源优化配置方法 | |
CN117371321A (zh) | 一种基于贝叶斯优化的内在可塑性深度回声状态网络软测量建模方法 | |
Wade et al. | Applying machine learning-based diagnostic functions to rotorcraft safety | |
US9245067B2 (en) | Probabilistic method and system for testing a material | |
US20220068042A1 (en) | Automated prediction of repair based on sensor data | |
CN110020725B (zh) | 一种服务于武器装备体系作战仿真的试验设计方法 | |
CN106528401B (zh) | 基于冗余结构的控制系统的拒动测试方法和装置 | |
Stewart et al. | Methods to Determine the Critical Damage Criterion of the Kachanov-Rabotnov Law | |
Robles et al. | Flight control laws carefree handling clearance of a highly manoeuvrable aircraft using multi-strategy adaptive global optimization | |
KR20160077902A (ko) | 시뮬레이션 인터페이스 생성방법 및 실시간 시뮬레이션 장치 | |
Yan et al. | A genetic algorithm of test paper generation | |
Chen et al. | Human reliability research of numerical control machining based on optimized Holistic Decision Tree | |
CN114236365B (zh) | 基于圆模型的sar adc电路测试优化方法 |
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 |