CN117111449B - 一种大坝缺陷检测rov抵近航行推力分配系统及方法 - Google Patents
一种大坝缺陷检测rov抵近航行推力分配系统及方法 Download PDFInfo
- Publication number
- CN117111449B CN117111449B CN202311351886.XA CN202311351886A CN117111449B CN 117111449 B CN117111449 B CN 117111449B CN 202311351886 A CN202311351886 A CN 202311351886A CN 117111449 B CN117111449 B CN 117111449B
- Authority
- CN
- China
- Prior art keywords
- rov
- dam
- defect detection
- propeller
- thrust
- 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.)
- Active
Links
- 230000007547 defect Effects 0.000 title claims abstract description 125
- 238000001514 detection method Methods 0.000 title claims abstract description 89
- 238000000034 method Methods 0.000 title claims abstract description 70
- 230000033001 locomotion Effects 0.000 claims abstract description 65
- 230000008859 change Effects 0.000 claims abstract description 24
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 21
- 230000002068 genetic effect Effects 0.000 claims abstract description 17
- 238000012163 sequencing technique Methods 0.000 claims abstract description 5
- 230000006870 function Effects 0.000 claims description 26
- 230000008569 process Effects 0.000 claims description 23
- 230000003044 adaptive effect Effects 0.000 claims description 21
- 230000005484 gravity Effects 0.000 claims description 17
- 230000035772 mutation Effects 0.000 claims description 15
- 230000003068 static effect Effects 0.000 claims description 10
- 238000004804 winding Methods 0.000 claims description 9
- 230000001133 acceleration Effects 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 8
- 230000007246 mechanism Effects 0.000 claims description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 8
- 238000013459 approach Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 5
- 238000007689 inspection Methods 0.000 claims description 5
- 238000012544 monitoring process Methods 0.000 claims description 4
- 210000000349 chromosome Anatomy 0.000 claims description 3
- 239000012530 fluid Substances 0.000 claims description 3
- 238000011065 in-situ storage Methods 0.000 claims description 3
- 238000011160 research Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 238000010187 selection method Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 239000010754 BS 2869 Class F Substances 0.000 claims 4
- 230000001360 synchronised effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 208000012661 Dyskinesia Diseases 0.000 description 1
- 206010034719 Personality change Diseases 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0205—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system
- G05B13/024—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- 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)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提出了一种大坝缺陷检测ROV抵近航行推力分配系统及方法，首先大坝缺陷检测ROV接收岸基控制系统的任务目标点信息；基于环境与运动感知系统对大坝缺陷检测ROV进行状态估计；再控制系统根据设定的任务目标点，以及大坝缺陷检测ROV的状态，以可达性、稳定性、机动性、姿态变化连续性作为目标函数，推进器的物理限制作为约束条件，利用改进的非支配排序遗传算法Ⅱ求解垂向矢量推进器的推力与角度，横向推进器的推力；最后根据推力与角度，控制大坝缺陷检测ROV运动或悬停，重复上述步骤，直至大坝缺陷检测ROV到达距离坝面指定高度，完成抵近航行任务。
Description
技术领域
本发明属于水下机器人及结构工程技术领域，具体地，涉及一种大坝缺陷检测ROV抵近航行推力分配系统及方法。
背景技术
我国水电资源居世界首位，水力装机容量占全国非化石能源比例达36.27%。水电站大坝作为水电资源的重要基础设施，其安全运行是国家能源安全的重要保障。然而，水下坝体表面形态复杂多变，水电站坝体检查需要稳定抵近才能实现精确地缺陷识别与测量。目前，水电站主要采用安全监测、人工探查等方式安全检查，但对于占坝体面积最大的水下部分缺陷检测仍处于薄弱环节，无法实现常态化水下检测，存在巨大的安全隐患。
现有技术中虽然有基于ROV的大坝裂缝检测机器人的使用方法，但是多采用固定角度的垂直推进器，并未考虑到水下坝体包括直立面、水平面、斜坡面和曲面等多种形态，固定角度的垂向推进器不利于ROV的坝面抵近航行。
发明内容
针对现有技术存在的问题，本发明提出了一种大坝缺陷检测ROV抵近航行推力分配系统及方法，设计可变角度的垂向矢量推进器，在大坝缺陷检测ROV抵近坝面航行过程中采用垂向矢量推进器可变角度模式沿设定轨迹运动，通过转向机构改变垂向推进器的推力方向。
本发明通过以下技术方案实现：
一种大坝缺陷检测ROV抵近航行推力分配系统：
所述分配系统包括大坝缺陷检测ROV、岸基控制系统、环境与运动感知系统、ROV控制系统和环境与运动感知系统；
所述大坝缺陷检测ROV用于在水下执行大坝缺陷检测任务、检测和记录大坝表面的缺陷信息，配备有传感器、机械臂、推进系统和ROV控制系统；
所述岸基控制系统用于地面与ROV通信以及控制ROV运动，岸基控制系统负责发送任务目标点信息给ROV，并接收ROV传感器收集的数据；
所述环境与运动感知系统用于感知ROV周围的环境和监测ROV的运动状态；
所述ROV控制系统根据任务目标点信息和环境与运动感知系统提供的ROV状态信息，利用改进的非支配排序遗传算法Ⅱ来计算推力和角度，以控制ROV的运动状态。
进一步地，所述大坝缺陷检测ROV的推进系统包括垂向矢量推进器和水平推进器；
所述垂向矢量推进器包括垂向推进器以及转向机构，实时控制垂向矢量推进器与轴的夹角；垂向矢量推进器安装于大坝缺陷检测ROV重心的上方，T1、T2、T3、T4分别为艏左垂向矢量推进器、艏右垂向矢量推进器、艉左垂向矢量推进器、艉右垂向矢量推进器，推力轴线与/>轴夹角分别为/>、/>、/>、/>，且相对于重心呈矢量对称布置；
水平推进器T5、T6、T7、T8安装于大坝缺陷检测ROV重心的下方，推力轴线与轴呈45°安装，且相对于重心成矢量对称布置。
一种大坝缺陷检测ROV抵近航行推力分配方法：
所述方法具体包括以下步骤：
步骤1，大坝缺陷检测ROV接收岸基控制系统的任务目标点信息；
步骤2，环境与运动感知系统对大坝缺陷检测ROV进行状态估计；
步骤3，ROV控制系统根据步骤1的任务目标点，以及步骤2的大坝缺陷检测ROV的状态，以可达性、稳定性、机动性、姿态变化连续性作为目标函数，推进器的物理限制作为约束条件，利用改进的非支配排序遗传算法Ⅱ求解垂向矢量推进器的推力与角度，横向推进器的推力；
步骤4，根据步骤3的推力与角度，控制大坝缺陷检测ROV运动或悬停，重复2和步骤3，直至实现大坝缺陷检测ROV到达距离坝面指定高度，完成抵近航行任务；
步骤5，环境与运动感知系统获取坝面图像信息并传输至岸基控制系统，实现缺陷检查、缺陷尺寸测量及数据记录分析。
进一步地，在步骤3中，
所述可达性表示大坝缺陷检测ROV在特定的运行环境中，由于受到环境因素的影响，需要在受到合外力干扰时利用垂向矢量推进器和横向推进器避障，以允许的误差到达所有路径点；可达性目标函数为
（1）
式中，为可达性指标，/>为位置误差，/>为姿态误差，表示向量的2-范数，任务点位置/>，任务点姿态/>，当前位置/>，当前姿态/>，/>和/>为位置误差和姿态误差的归一化系数，用于平衡位置误差和姿态误差对总误差的贡献，/>、/>、/>、/>分别为艏左垂向矢量推进器T1、艏右垂向矢量推进器T2、艉左垂向矢量推进器T3、艉右垂向矢量推进器T4的推力轴线与/>轴夹角，T 1、T 2、T 3、T 4、T 5、T 6、T 7、T 8分别为垂向矢量推进器T1、T2、T3、T4和横向推进器T5、T6、T7、T8的推力。
进一步地，以静稳定性和动稳定性两类标准评价大坝缺陷检测ROV稳定性；静稳定性研究的是大坝缺陷检测ROV做定常运动时，除去扰动力的瞬间运动趋势；由于水平推进器采用相对于重心成矢量对称布置，大坝缺陷检测ROV能够稳定实现原地转弯，因此仅考虑垂直面的稳定性和机动性；
垂直面静稳定性目标函数为
（2）
式中，为大坝缺陷检测ROV无因次水动力中心臂，/>为大坝缺陷检测ROV无因次化后的纯垂荡运动速度水动力系数，/>为大坝缺陷检测ROV无因次化后的纵倾垂荡运动速度水动力系数；
动稳定性研究的是大坝缺陷检测ROV在干扰去除后随时间的变化，扰动产生的某一运动的该变量是否能逐渐趋于0；
垂直面动稳定性目标函数为
（3）
式中，为大坝缺陷检测ROV垂直面稳定性衡准数，/>为大坝缺陷检测ROV无因次化后的纯纵倾运动角速度水动力系数、/>为大坝缺陷检测ROV无因次化后的垂荡纵倾运动角速度水动力系数、/>为质量的无因次化。
进一步地，所述机动性表示的是大坝缺陷检测ROV在得到操作员指令后，改变现有航行状态，执行指令的性能；由于惯性作用，在改变垂向矢量推进器的推力使得ROV纵倾运动的过程中，会产生一定时间的滞后，纵倾响应时间滞后，滞后时间越小，机动性越好；
垂直面机动性目标函数为
（4）
式中，为大坝缺陷检测ROV纵倾响应滞后时间，/>为无因次的ROV纵倾力臂，/>为无因次化的ROV纯纵倾力矩流体惯性力加速度系数，/>为无因次化的大坝缺陷检测ROV绕y b轴的转动惯量/>；
姿态角度变化连续性目标函数为
（5）
姿态角速度变化连续性方程
（6）
（7）
（8）
姿态角加速度变化连续性方程
（9）
（10）
（11）
式中，、/>、/>分别为大坝缺陷检测ROV的横倾角、纵倾角、偏航角，p、q、r分别为大坝缺陷检测ROV绕x b、y b、z b轴的旋转速度，/>、/>、/>分别为大坝缺陷检测ROV绕x b、y b、z b轴的转动惯量；
在满足动力系统中六自由度控制力和力矩的前提下，考虑水平推进器和垂向矢量推进器的物理限制，约束条件表示为
（12）
式中，为推进器工作时的最小推力，/>为推进器工作时的推力，/>为推进器工作时的最大推力，/>为推进器工作时推力变化，/>为推进器单位时刻的推力变化阈值，为垂向矢量推进器推力轴线与/>轴夹角单位时刻的角度变化阈值，/>为垂向矢量推进器推力轴线与/>轴夹角的角度变化；/>为推力轴线与/>轴夹角。
进一步地，所述改进的非支配排序遗传算法Ⅱ，为了提高非支配排序遗传算法的搜索能力，引入自适应交叉算子和自适应变异算子；自适应交叉算子在迭代初期设置较高的交叉概率，扩大搜索范围；自适应变异算子在迭代后期设置较高的变异概率，增强全局搜索能力，避免陷入局部最优。
进一步地，利用改进的非支配排序遗传算法Ⅱ求解垂向矢量推进器可变角度模式下的推力与角度；具体包括以下步骤：
步骤3.1，选取垂向矢量推进器的推力、方向角作为输入变量，根据垂向矢量推进器的配置设计染色体，初始化种群，得到种群大小为n的原始种群/>；
步骤3.2，对种群进行选择、自适应交叉、自适应变异操作，产生子代/>；选择操作采用二进制锦标赛选择法确定帕累托最优解集，自适应交叉算子和自适应变异算子分别如下：
（13）
（14）
式中，t表示当前迭代代数，为最大迭代代数，/>、/>分别表示最小交叉概率和最大交叉概率，/>、/>分别表示最小交叉概率和最大交叉概率；
步骤3.3，合并种群和/>，记为种群/>，种群/>为临时存储种群信息的种群，个体数目为2n；
步骤3.4，计算种群中个体的目标函数值，对/>进行非支配等级排序，/>、/>、…、/>、/>、/>、…、/>；
步骤3.5，计算当前非支配等级中所有个体/>的拥挤度/>，j表示非支配等级的第j个个体，并按拥挤度降序排序；边缘上个体的拥挤度为/>，其余个体的拥挤度计算公式如下：
（15）
式中，和/>分别为非支配等级/>中个体j+1和个体j-1在第k个目标函数上的值，/>和/>分别为非支配等级/>中所有个体在第k个目标上最大值和最小值；
步骤3.6，将拥挤度较大的个体依次加入下一种群，直至下一种群个体总数达到n；即，若/>，执行/>，/>;否则，返回步骤3.5，选择/>中前/>个体加入到下一种群/>；
步骤3.7，若，即迭代直到达到最大迭代代数/>，则输出/>中的非支配个体、最终垂向矢量推进器推力与角度帕累托解集，算法停止；否则，/>，返回到步骤3.2。
一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。
一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时实现上述方法的步骤。
本发明有益效果
本发明所提出的大坝缺陷检测ROV在抵近坝面航行过程中采用垂向矢量推进器可变角度模式沿设定轨迹运动，通过转向机构改变垂向推进器的推力方向。以可达性、稳定性、机动性、姿态变化连续性作为目标函数，推进器的物理限制作为约束条件，利用改进的非支配排序遗传算法Ⅱ求解垂向矢量推进器的推力与角度，横向推进器的推力，进而实时调整大坝缺陷检测ROV，解决流场下难以稳定吸附或行驶的坝体实现表面稳定灵活抵近运动的问题。垂向矢量推进器和横向推进器配合环境与运动感知系统，协同实现大坝缺陷检测和定位，为后续大坝缺陷修补作用奠定基础。
附图说明
图1为本发明的总体流程图；
图2为本发明所述的大坝缺陷检测ROV的结构示意图；
图3为本发明所述的大坝缺陷检测ROV的垂向矢量推进器布置的结构俯视图；
图4为本发明所述的大坝缺陷检测ROV的垂向矢量推进器布置的结构左视图；
图5为本发明所述的大坝缺陷检测ROV的水平推进器布置的结构俯视图；
图6为本发明所述的改进的非支配排序遗传算法Ⅱ分配方法的流程图；
图7为本发明所述的大坝缺陷检测ROV抵近曲面坝的效果图。
具体实施方式
下面将结合本发明实施例中的附图对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
结合图1至图6。
一种大坝缺陷检测ROV抵近航行推力分配系统：
所述分配系统包括大坝缺陷检测ROV、岸基控制系统、环境与运动感知系统、ROV控制系统和环境与运动感知系统；
所述大坝缺陷检测ROV用于在水下执行大坝缺陷检测任务、检测和记录大坝表面的缺陷信息，配备有传感器、机械臂、推进系统和ROV控制系统；
所述岸基控制系统用于地面与ROV通信以及控制ROV运动，岸基控制系统负责发送任务目标点信息给ROV，并接收ROV传感器收集的数据；
所述环境与运动感知系统用于感知ROV周围的环境和监测ROV的运动状态；包括各种传感器，如水下相机、声纳、水质传感器等，以及用于估计ROV的位置、速度和姿态的算法；环境与运动感知系统的主要任务是收集、处理和分析与ROV状态相关的信息，以提供准确的状态估计。这些估计将在后续的步骤中用于控制ROV的运动和执行任务。
所述ROV控制系统根据任务目标点信息和环境与运动感知系统提供的ROV状态信息，利用改进的非支配排序遗传算法Ⅱ来计算推力和角度，以控制ROV的运动状态。
实施例：如图2-4；所述大坝缺陷检测ROV的推进系统包括垂向矢量推进器和水平推进器；
所述垂向矢量推进器包括垂向推进器以及转向机构，实时控制垂向矢量推进器与轴的夹角；垂向矢量推进器安装于大坝缺陷检测ROV重心的上方，T1、T2、T3、T4分别为艏左垂向矢量推进器、艏右垂向矢量推进器、艉左垂向矢量推进器、艉右垂向矢量推进器，推力轴线与/>轴夹角分别为/>、/>、/>、/>，且相对于重心呈矢量对称布置；
水平推进器T5、T6、T7、T8安装于大坝缺陷检测ROV重心的下方，推力轴线与轴呈45°安装，且相对于重心成矢量对称布置。
在实际应用中，可以根据项目需要增加/减少推进器。
一种大坝缺陷检测ROV抵近航行推力分配方法：
所述方法具体包括以下步骤：
步骤1，大坝缺陷检测ROV接收岸基控制系统的任务目标点信息；
步骤2，环境与运动感知系统对大坝缺陷检测ROV进行状态估计；并进行数据的实时更新；
在步骤2中，状态估计包括且不限于位置估计、姿态估计、速度和加速度测量、深度测量、水下环境感知。
位置估计：环境与运动感知系统根据定位技术来估计ROV在水下的三维位置。以便于追踪ROV的位置并确保它能够按照任务要求移动。
姿态估计确定ROV的方向和角度。这包括了航向（船头的方向）、俯仰（前后的倾斜）和横滚（左右的倾斜）等参数。这些信息对于控制ROV的运动和稳定性非常关键。
速度和加速度测量：环境与运动感知系统使用水下传感器（如加速度计）来测量ROV的线速度和角速度。以了解ROV的运动状态以及是否存在不稳定或异常运动。
深度测量：一般可通过压力传感器用于测量ROV相对于水面的深度。
水下环境感知：ROV还配备了传感器，如声纳、水温和水质传感器等，用于感知水下环境的特性。
数据融合：为了提高状态估计的准确性，环境与运动感知系统会对来自不同传感器的数据进行融合，以提供更全面和可靠的状态信息。
实时更新：状态估计通常需要实时更新，以确保ROV在任务执行期间具有准确的状态信息。
步骤3，ROV控制系统根据步骤1的任务目标点，以及步骤2的大坝缺陷检测ROV的状态，以可达性、稳定性、机动性、姿态变化连续性作为目标函数，推进器的物理限制作为约束条件，利用改进的非支配排序遗传算法Ⅱ求解垂向矢量推进器的推力与角度，横向推进器的推力；
所述可达性表示大坝缺陷检测ROV在路径规划、轨迹跟踪等特定的运行环境中，由于受到杂物、湍流、淤泥等环境因素的影响，需要在受到合外力干扰时利用垂向矢量推进器和横向推进器避障，以允许的误差到达所有路径点；可达性目标函数为
（1）
式中，为可达性指标，/>为位置误差，/>为姿态误差，表示向量的2-范数，任务点位置/>，任务点姿态/>，当前位置/>，当前姿态/>，/>和/>为位置误差和姿态误差的归一化系数，用于平衡位置误差和姿态误差对总误差的贡献，/>、/>、/>、/>分别为艏左垂向矢量推进器T1、艏右垂向矢量推进器T2、艉左垂向矢量推进器T3、艉右垂向矢量推进器T4的推力轴线与/>轴夹角，T 1、T 2、T 3、T 4、T 5、T 6、T 7、T 8分别为垂向矢量推进器T1、T2、T3、T4和横向推进器T5、T6、T7、T8的推力。
稳定性和机动性是大坝缺陷检测ROV操纵性的两个重要性能，以静稳定性和动稳定性两类标准评价大坝缺陷检测ROV稳定性；静稳定性研究的是大坝缺陷检测ROV做定常运动时，除去扰动力的瞬间运动趋势；由于水平推进器采用相对于重心成矢量对称布置，大坝缺陷检测ROV能够稳定实现原地转弯，水平面稳定性和机动性较好，因此仅考虑垂直面的稳定性和机动性；
垂直面静稳定性目标函数为
（2）
式中，为大坝缺陷检测ROV无因次水动力中心臂，/>为大坝缺陷检测ROV无因次化后的纯垂荡运动速度水动力系数，/>为大坝缺陷检测ROV无因次化后的纵倾垂荡运动速度水动力系数；
动稳定性研究的是大坝缺陷检测ROV在干扰去除后随时间的变化，扰动产生的某一运动的该变量是否能逐渐趋于0；
垂直面动稳定性目标函数为
（3）
式中，为大坝缺陷检测ROV垂直面稳定性衡准数，/>为大坝缺陷检测ROV无因次化后的纯纵倾运动角速度水动力系数、/>为大坝缺陷检测ROV无因次化后的垂荡纵倾运动角速度水动力系数、/>为质量的无因次化。
所述机动性表示的是大坝缺陷检测ROV在得到操作员指令后，改变现有航行状态，执行指令的性能；由于惯性作用，在改变垂向矢量推进器的推力使得ROV纵倾运动的过程中，会产生一定时间的滞后，纵倾响应时间滞后，滞后时间越小，机动性越好；
垂直面机动性目标函数为
（4）
式中，为大坝缺陷检测ROV纵倾响应滞后时间，/>为无因次的ROV纵倾力臂，/>为无因次化的ROV纯纵倾力矩流体惯性力加速度系数，/>为无因次化的大坝缺陷检测ROV绕y b轴的转动惯量/>；
姿态角度变化连续性目标函数为
（5）
姿态角速度变化连续性方程
（6）
（7）
（8）
姿态角加速度变化连续性方程
（9）
（10）
（11）
式中，、/>、/>分别为大坝缺陷检测ROV的横倾角、纵倾角、偏航角，p、q、r分别为大坝缺陷检测ROV绕x b、y b、z b轴的旋转速度，/>、/>、/>分别为大坝缺陷检测ROV绕x b、y b、z b轴的转动惯量；
在满足动力系统中六自由度控制力和力矩的前提下，考虑水平推进器和垂向矢量推进器的物理限制，约束条件表示为
（12）
式中，为推进器工作时的最小推力，/>为推进器工作时的推力，/>为推进器工作时的最大推力，/>为推进器工作时推力变化，/>为推进器单位时刻的推力变化阈值，为垂向矢量推进器推力轴线与/>轴夹角单位时刻的角度变化阈值，/>为垂向矢量推进器推力轴线与/>轴夹角的角度变化；/>为推力轴线与/>轴夹角。
所述改进的非支配排序遗传算法Ⅱ，为了提高非支配排序遗传算法的搜索能力，引入自适应交叉算子和自适应变异算子；自适应交叉算子在迭代初期设置较高的交叉概率，扩大搜索范围；自适应变异算子在迭代后期设置较高的变异概率，增强全局搜索能力，避免陷入局部最优。
如图5所示，在坝面采用垂向矢量推进器可变角度模式沿设定轨迹运动，通过转向机构改变垂向矢量推进器的推力方向，进而实时调整大坝缺陷检测ROV与坝面以安全距离保持平行，由于水平推进器采用相对于重心成矢量对称布置，大坝缺陷检测ROV能够稳定实现原地转弯，水平面稳定性和机动性较好，因此，重点考虑利用改进的非支配排序遗传算法Ⅱ求解垂向矢量推进器可变角度模式下的推力与角度；具体包括以下步骤：
步骤3.1，选取垂向矢量推进器的推力、方向角作为输入变量，根据垂向矢量推进器的配置设计染色体，初始化种群，得到种群大小为n的原始种群/>；
步骤3.2，对种群进行选择、自适应交叉、自适应变异操作，产生子代/>；选择操作采用二进制锦标赛选择法确定帕累托最优解集，自适应交叉算子和自适应变异算子分别如下：
（13）
（14）
式中，t表示当前迭代代数，为最大迭代代数，/>、/>分别表示最小交叉概率和最大交叉概率，/>、/>分别表示最小交叉概率和最大交叉概率；
步骤3.3，合并种群和/>，记为种群/>，种群/>为临时存储种群信息的种群，个体数目为2n；
步骤3.4，计算种群中个体的目标函数值，对/>进行非支配等级排序，/>、/>、…、/>、/>、/>、…、/>；
步骤3.5，计算当前非支配等级中所有个体/>的拥挤度/>，j表示非支配等级的第j个个体，并按拥挤度降序排序；边缘上个体的拥挤度为/>，其余个体的拥挤度计算公式如下：
（15）
式中，和/>分别为非支配等级/>中个体j+1和个体j-1在第k个目标函数上的值，/>和/>分别为非支配等级/>中所有个体在第k个目标上最大值和最小值；
步骤3.6，将拥挤度较大的个体依次加入下一种群，直至下一种群个体总数达到n；即，若/>，执行/>，/>；否则，返回步骤3.5，选择/>中前/>个体加入到下一种群/>；
步骤3.7，若(/>为最大迭代代数)，即迭代直到达到最大迭代代数/>，则输出/>中的非支配个体、最终垂向矢量推进器推力与角度帕累托解集，算法停止；否则，，返回到步骤3.2。
步骤4，根据步骤3的推力与角度，控制大坝缺陷检测ROV运动或悬停，重复2和步骤3，直至实现大坝缺陷检测ROV到达距离坝面指定高度，完成抵近航行任务；
步骤5，环境与运动感知系统获取坝面图像信息并传输至岸基控制系统，实现缺陷检查、缺陷尺寸测量及数据记录分析。
一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。
一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时实现上述方法的步骤。
本申请实施例中的存储器可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器read only memory，ROM、可编程只读存储器programmable ROM，PROM、可擦除可编程只读存储器erasablePROM，EPROM、电可擦除可编程只读存储器electrically EPROM，EEPROM或闪存。易失性存储器可以是随机存取存储器random access memory，RAM，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM 可用，例如静态随机存取存储器static RAM，SRAM、动态随机存取存储器dynamic RAM，DRAM、同步动态随机存取存储器synchronous DRAM，SDRAM、双倍数据速率同步动态随机存取存储器double data rate SDRAM，DDR SDRAM、增强型同步动态随机存取存储器enhanced SDRAM，ESDRAM、同步连接动态随机存取存储器synchlink DRAM，SLDRAM和直接内存总线随机存取存储器direct rambus RAM，DR RAM。应注意，本发明描述的方法的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
以上对本发明所提出的一种大坝缺陷检测ROV抵近航行推力分配系统及方法，进行了详细介绍，对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (4)
1.一种大坝缺陷检测ROV抵近航行推力分配方法，其特征在于：
所述方法具体包括以下步骤：
步骤1，大坝缺陷检测ROV接收岸基控制系统的任务目标点信息；
步骤2，环境与运动感知系统对大坝缺陷检测ROV进行状态估计；
步骤3，ROV控制系统根据步骤1的任务目标点，以及步骤2的大坝缺陷检测ROV的状态，以可达性、稳定性、机动性、姿态变化连续性作为目标函数，推进器的物理限制作为约束条件，利用改进的非支配排序遗传算法Ⅱ求解垂向矢量推进器的推力与角度，横向推进器的推力；
在步骤3中，
所述可达性表示大坝缺陷检测ROV在运行环境中，由于受到环境因素的影响，需要在受到合外力干扰时利用垂向矢量推进器和横向推进器避障，以允许的误差到达所有路径点；可达性目标函数为
式中，R为可达性指标，ep＝||ptar-pcur||2为位置误差，ea＝||atar-acur||2为姿态误差，||·||2表示向量的2-范数，任务点位置ptar＝[ξtar,ηtar,ζtar]T，任务点姿态atar＝[φtar,θtar,ψtar]T，当前位置pcur＝[ξcur,ηcur,ζcur]T，当前姿态acur＝[φcur,θcur,ψcur]T，lp和la为位置误差和姿态误差的归一化系数，用于平衡位置误差和姿态误差对总误差的贡献，βv1、βv2、βv3、βv4分别为艏左垂向矢量推进器T1、艏右垂向矢量推进器T2、艉左垂向矢量推进器T3、艉右垂向矢量推进器T4的推力轴线与obzb轴夹角，T1、T2、T3、T4、T5、T6、T7、T8分别为垂向矢量推进器T1、T2、T3、T4和横向推进器T5、T6、T7、T8的推力,
以静稳定性和动稳定性两类标准评价大坝缺陷检测ROV稳定性；静稳定性研究的是大坝缺陷检测ROV做定常运动时，除去扰动力的瞬间运动趋势；由于水平推进器采用相对于重心成矢量对称布置，大坝缺陷检测ROV能够稳定实现原地转弯，因此仅考虑垂直面的稳定性和机动性；
垂直面静稳定性目标函数为
式中，l′α为大坝缺陷检测ROV无因次水动力中心臂，Z′w为大坝缺陷检测ROV无因次化后的纯垂荡运动速度水动力系数，M′w为大坝缺陷检测ROV无因次化后的纵倾垂荡运动速度水动力系数；
动稳定性研究的是大坝缺陷检测ROV在干扰去除后随时间的变化，扰动产生的某一运动的该变量是否能逐渐趋于0；
垂直面动稳定性目标函数为
max f3(βv1,βv2,βv3,βv4,T1,T2,T3,T4,T5,T6,T7,T8)＝Cv＝M′qZ′w-M′w(m′+Z′q) (3)
式中，Cv为大坝缺陷检测ROV垂直面稳定性衡准数，M′q为大坝缺陷检测ROV无因次化后的纯纵倾运动角速度水动力系数、Z′q为大坝缺陷检测ROV无因次化后的垂荡纵倾运动角速度水动力系数、m′为质量的无因次化,
所述机动性表示的是大坝缺陷检测ROV在得到操作员指令后，改变现有航行状态，执行指令的性能；由于惯性作用，在改变垂向矢量推进器的推力使得ROV纵倾运动的过程中，会产生时间的滞后，纵倾响应时间滞后，滞后时间越小，机动性越好；
垂直面机动性目标函数为
式中，T′θ为大坝缺陷检测ROV纵倾响应滞后时间，为无因次的ROV纵倾力臂，M′q为无因次化的ROV纯纵倾力矩流体惯性力加速度系数，I′yy为无因次化的大坝缺陷检测ROV绕yb轴的转动惯量Iyy；
姿态角度变化连续性目标函数为
姿态角速度变化连续性方程
姿态角加速度变化连续性方程
式中，φ、θ、ψ分别为大坝缺陷检测ROV的横倾角、纵倾角、偏航角，p、q、r分别为大坝缺陷检测ROV绕xb、yb、zb轴的旋转速度，Ixx、Iyy、Izz分别为大坝缺陷检测ROV绕xb、yb、zb轴的转动惯量；
在满足动力系统中六自由度控制力和力矩的前提下，考虑水平推进器和垂向矢量推进器的物理限制，约束条件表示为
式中，Tmin为推进器工作时的最小推力，T为推进器工作时的推力，Tmax为推进器工作时的最大推力，ΔT为推进器工作时推力变化，T0为推进器单位时刻的推力变化阈值，βv0为垂向矢量推进器推力轴线与obzb轴夹角单位时刻的角度变化阈值，Δβv为垂向矢量推进器推力轴线与obzb轴夹角的角度变化；βv为推力轴线与obzb轴夹角,
所述改进的非支配排序遗传算法Ⅱ，为了提高非支配排序遗传算法的搜索能力，引入自适应交叉算子和自适应变异算子；自适应交叉算子在迭代初期设置较高的交叉概率，扩大搜索范围；自适应变异算子在迭代后期设置变异概率，增强全局搜索能力，避免陷入局部最优,
利用改进的非支配排序遗传算法Ⅱ求解垂向矢量推进器可变角度模式下的推力与角度；具体包括以下步骤：
步骤3.1，选取垂向矢量推进器的推力、方向角作为输入变量，根据垂向矢量推进器的配置设计染色体Ch＝{βv1,βv2,βv3,βv4,T1,T2,T3,T4,T5,T6,T7,T8}，初始化种群，得到种群大小为n的原始种群Pt；
步骤3.2，对种群Pt进行选择、自适应交叉、自适应变异操作，产生子代Qt；选择操作采用二进制锦标赛选择法确定帕累托最优解集，自适应交叉算子和自适应变异算子分别如下：
式中，t表示当前迭代代数，Gmax为最大迭代代数，分别表示最小交叉概率和最大交叉概率，/>分别表示最小交叉概率和最大交叉概率；
步骤3.3，合并种群Pt和Qt，记为种群Rt，种群Rt为临时存储种群信息的种群，个体数目为2n；
步骤3.4，计算Rt种群中个体的目标函数值，对Rt进行非支配等级排序，F1、F2、…、Fn-1、Fn、Fn+1、…、Fmax；
步骤3.5，计算当前非支配等级Fi中所有个体Fij的拥挤度Cij，j表示非支配等级Fi的第j个个体，并按拥挤度降序排序；边缘上个体的拥挤度为∞，其余个体的拥挤度计算公式如下：
式中，和/>分别为非支配等级Fi中个体j+1和个体j-1在第k个目标函数上的值，和/>分别为非支配等级Fi中所有个体在第k个目标上最大值和最小值；
步骤3.6，将拥挤度较大的个体依次加入下一种群Pt+1，直至下一种群个体总数达到n；即，若Fi+Pt＜n，执行Pt+1＝Pt∪Fi，i＝i+1；否则，返回步骤3.5，选择Fi中前N-Pt个体加入到下一种群Pt+1；
步骤3.7，若t≥Gmax即迭代直到达到最大迭代代数Gmax，则输出Pt中的非支配个体、最终垂向矢量推进器推力与角度帕累托解集，算法停止；否则，t＝t+1，返回到步骤3.2,
步骤4，根据步骤3的推力与角度，控制大坝缺陷检测ROV运动或悬停，重复2和步骤3，直至实现大坝缺陷检测ROV到达距离坝面指定高度，完成抵近航行任务；
步骤5，环境与运动感知系统获取坝面图像信息并传输至岸基控制系统，实现缺陷检查、缺陷尺寸测量及数据记录分析。
2.一种用于执行权利要求1所述的大坝缺陷检测ROV抵近航行推力分配方法的系统，其特征在于：
所述分配系统包括大坝缺陷检测ROV、岸基控制系统、环境与运动感知系统、ROV控制系统和环境与运动感知系统；
所述大坝缺陷检测ROV用于在水下执行大坝缺陷检测任务、检测和记录大坝表面的缺陷信息，配备有传感器、机械臂、推进系统和ROV控制系统；
所述岸基控制系统用于地面与ROV通信以及控制ROV运动，岸基控制系统负责发送任务目标点信息给ROV，并接收ROV传感器收集的数据；
所述环境与运动感知系统用于感知ROV周围的环境和监测ROV的运动状态；
所述ROV控制系统根据任务目标点信息和环境与运动感知系统提供的ROV状态信息，利用改进的非支配排序遗传算法Ⅱ来计算推力和角度，以控制ROV的运动状态；
所述大坝缺陷检测ROV的推进系统包括垂向矢量推进器和水平推进器；
所述垂向矢量推进器包括垂向推进器以及转向机构，实时控制垂向矢量推进器与obzb轴的夹角；垂向矢量推进器安装于大坝缺陷检测ROV重心的上方，T1、T2、T3、T4分别为艏左垂向矢量推进器、艏右垂向矢量推进器、艉左垂向矢量推进器、艉右垂向矢量推进器，推力轴线与obzb轴夹角分别为βv1、βv2、βv3、βv4，且相对于重心呈矢量对称布置；
水平推进器T5、T6、T7、T8安装于大坝缺陷检测ROV重心的下方，推力轴线与obxb轴呈45°安装，且相对于重心成矢量对称布置。
3.一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1所述方法的步骤。
4.一种计算机可读存储介质，用于存储计算机指令，其特征在于，所述计算机指令被处理器执行时实现权利要求1所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311351886.XA CN117111449B (zh) | 2023-10-19 | 2023-10-19 | 一种大坝缺陷检测rov抵近航行推力分配系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311351886.XA CN117111449B (zh) | 2023-10-19 | 2023-10-19 | 一种大坝缺陷检测rov抵近航行推力分配系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117111449A CN117111449A (zh) | 2023-11-24 |
| CN117111449B true CN117111449B (zh) | 2024-01-09 |
Family
ID=88800464
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311351886.XA Active CN117111449B (zh) | 2023-10-19 | 2023-10-19 | 一种大坝缺陷检测rov抵近航行推力分配系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117111449B (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH01186491A (ja) * | 1988-01-20 | 1989-07-25 | Kansai Electric Power Co Inc:The | 水中構造物点検用ロボット |
| CN102385665A (zh) * | 2011-08-30 | 2012-03-21 | 无锡中讯科技有限公司 | 采用遗传算法的船舶动力定位系统推力分配方法 |
| CN105643626A (zh) * | 2016-03-08 | 2016-06-08 | 哈尔滨工程大学 | 一种基于双重判据的水下机器人推力优化分配方法 |
| CN105911867A (zh) * | 2016-06-16 | 2016-08-31 | 哈尔滨工程大学 | 基于nsga-ii算法的船舶推力分配方法 |
| CN106773741A (zh) * | 2017-03-02 | 2017-05-31 | 华南理工大学 | 一种无人船动力定位系统及方法 |
| CN108803634A (zh) * | 2018-09-01 | 2018-11-13 | 哈尔滨工程大学 | 一种基于遗传算法的水下机器人六自由度动力定位推力分配优化方法 |
| CN109085756A (zh) * | 2018-08-27 | 2018-12-25 | 西安交通大学 | 一种基于遗传算法优化的水下机器人推力分配方法及系统 |
| CN111521619A (zh) * | 2020-04-20 | 2020-08-11 | 中国船舶科学研究中心 | 一种基于rov的大坝裂缝检测机器人及其使用方法 |
| CN111966118A (zh) * | 2020-08-14 | 2020-11-20 | 哈尔滨工程大学 | 一种rov推力分配与基于强化学习的运动控制方法 |
| CN113379117A (zh) * | 2021-06-07 | 2021-09-10 | 武汉大学 | 基于改进的精英保留策略遗传算法的闸坝群联合调度方法及系统 |
| WO2022088315A1 (zh) * | 2020-10-30 | 2022-05-05 | 株洲中车时代电气股份有限公司 | 遥控水下机器人rov的配电及驱动系统 |
| CN116859728A (zh) * | 2023-06-28 | 2023-10-10 | 青岛科技大学 | 一种基于改进多目标粒子群算法的船舶动力定位系统推力分配方法 |
-
2023
- 2023-10-19 CN CN202311351886.XA patent/CN117111449B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH01186491A (ja) * | 1988-01-20 | 1989-07-25 | Kansai Electric Power Co Inc:The | 水中構造物点検用ロボット |
| CN102385665A (zh) * | 2011-08-30 | 2012-03-21 | 无锡中讯科技有限公司 | 采用遗传算法的船舶动力定位系统推力分配方法 |
| CN105643626A (zh) * | 2016-03-08 | 2016-06-08 | 哈尔滨工程大学 | 一种基于双重判据的水下机器人推力优化分配方法 |
| CN105911867A (zh) * | 2016-06-16 | 2016-08-31 | 哈尔滨工程大学 | 基于nsga-ii算法的船舶推力分配方法 |
| CN106773741A (zh) * | 2017-03-02 | 2017-05-31 | 华南理工大学 | 一种无人船动力定位系统及方法 |
| CN109085756A (zh) * | 2018-08-27 | 2018-12-25 | 西安交通大学 | 一种基于遗传算法优化的水下机器人推力分配方法及系统 |
| CN108803634A (zh) * | 2018-09-01 | 2018-11-13 | 哈尔滨工程大学 | 一种基于遗传算法的水下机器人六自由度动力定位推力分配优化方法 |
| CN111521619A (zh) * | 2020-04-20 | 2020-08-11 | 中国船舶科学研究中心 | 一种基于rov的大坝裂缝检测机器人及其使用方法 |
| CN111966118A (zh) * | 2020-08-14 | 2020-11-20 | 哈尔滨工程大学 | 一种rov推力分配与基于强化学习的运动控制方法 |
| WO2022088315A1 (zh) * | 2020-10-30 | 2022-05-05 | 株洲中车时代电气股份有限公司 | 遥控水下机器人rov的配电及驱动系统 |
| CN113379117A (zh) * | 2021-06-07 | 2021-09-10 | 武汉大学 | 基于改进的精英保留策略遗传算法的闸坝群联合调度方法及系统 |
| CN116859728A (zh) * | 2023-06-28 | 2023-10-10 | 青岛科技大学 | 一种基于改进多目标粒子群算法的船舶动力定位系统推力分配方法 |
Non-Patent Citations (4)
| Title |
|---|
| Hai Huang,等.Thrust Optimal Allocation for Broad Types of Underwater Vehicles.Advances in Swarm Intelligence .2016,491–502. * |
| ROV水动力性能及推力控制分配研究与仿真;赵言锋;林明星;代成刚;吴筱坚;张东;管志光;;中国科学:技术科学(03);287-298 * |
| 基于NSGA-Ⅱ的DP船舶推力分配方法研究;夏国清;华中科技大学学报（自然科学版）;第47卷(第5期);101-104 * |
| 基于推力矢量分配的ROV姿态控制技术研究;刘均，等;吉林大学报 ( 信息科学版);第41卷(第5期);1-11 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117111449A (zh) | 2023-11-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wu et al. | Depth control of model-free AUVs via reinforcement learning | |
| CN107168312B (zh) | 一种补偿uuv运动学和动力学干扰的空间轨迹跟踪控制方法 | |
| CN109784201B (zh) | 基于四维风险评估的auv动态避障方法 | |
| Skjetne et al. | Modeling, identification, and adaptive maneuvering of Cybership II: A complete design with experiments | |
| Xu et al. | Estimation of hydrodynamic coefficients of a nonlinear manoeuvring mathematical model with free-running ship model tests | |
| JP4406436B2 (ja) | 自律移動ロボットの動作計画方法、自律移動ロボットの動作計画方法を利用した自律移動ロボットの制御方法、自律移動ロボットの動作計画装置、自律移動ロボットの動作計画プログラム及びその記録媒体、自律移動ロボットの制御プログラム | |
| CN111123923B (zh) | 一种无人船舶局部路径动态优化方法 | |
| Cao et al. | Toward optimal rendezvous of multiple underwater gliders: 3D path planning with combined sawtooth and spiral motion | |
| CN104820430B (zh) | 一种基于偶极势场的auv回坞导引系统及导引方法 | |
| CN110658814B (zh) | 一种应用于船舶运动控制的自适应船舶运动建模方法 | |
| CN104898688A (zh) | Uuv四自由度动力定位自适应抗扰滑模控制系统及控制方法 | |
| CN106054607A (zh) | 水下检测与作业机器人动力定位方法 | |
| CN111930141A (zh) | 一种水下机器人三维路径可视化跟踪方法 | |
| CN113220000B (zh) | 一种面向水下探测作业的无人艇路径跟踪预设性能控制方法及系统 | |
| CN112068440A (zh) | 基于模型预测控制的auv回收对接动力定位控制方法 | |
| Chu et al. | 3D path-following control for autonomous underwater vehicle based on adaptive backstepping sliding mode | |
| CN117311142A (zh) | 一种融合粒子群算法与神经网络预测控制的dp船舶运动控制与推力分配协同控制方法 | |
| CN115480580A (zh) | 一种基于nmpc的水下机器人路径跟踪与避障的控制方法 | |
| Gao et al. | Augmented model-based dynamic positioning predictive control for underactuated unmanned surface vessels with dual-propellers | |
| Zhang et al. | A real-time local path planning algorithm for the wave glider based on time-stamped collision detection and improved artificial potential field | |
| CN117111449B (zh) | 一种大坝缺陷检测rov抵近航行推力分配系统及方法 | |
| CN114545953B (zh) | 仿生鱼路径控制方法、装置及仿生鱼 | |
| CN116027796A (zh) | 一种多自治水下机器人编队控制系统及方法 | |
| Li et al. | Energy-efficient space–air–ground–ocean-integrated network based on intelligent autonomous underwater glider | |
| Zhang et al. | Q-learning Based Obstacle Avoidance Control of Autonomous Underwater Vehicle with Binocular Vision |
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 |