CN117115374A - 一种基于轨道交通在线监测的振动地图绘制方法 - Google Patents
一种基于轨道交通在线监测的振动地图绘制方法 Download PDFInfo
- Publication number
- CN117115374A CN117115374A CN202311090498.0A CN202311090498A CN117115374A CN 117115374 A CN117115374 A CN 117115374A CN 202311090498 A CN202311090498 A CN 202311090498A CN 117115374 A CN117115374 A CN 117115374A
- Authority
- CN
- China
- Prior art keywords
- vibration
- line
- tunnel
- track traffic
- different
- 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 117
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000012937 correction Methods 0.000 claims description 54
- 230000009467 reduction Effects 0.000 claims description 46
- 238000004364 calculation method Methods 0.000 claims description 30
- 239000002689 soil Substances 0.000 claims description 26
- 230000001133 acceleration Effects 0.000 claims description 22
- 238000013016 damping Methods 0.000 claims description 15
- 238000012360 testing method Methods 0.000 claims description 13
- 238000005259 measurement Methods 0.000 claims description 12
- 229910000831 Steel Inorganic materials 0.000 claims description 11
- 239000010959 steel Substances 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 10
- 238000013145 classification model Methods 0.000 claims description 9
- 230000007774 longterm Effects 0.000 claims description 9
- 238000013507 mapping Methods 0.000 claims description 9
- 238000005192 partition Methods 0.000 claims description 9
- 239000003086 colorant Substances 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 6
- 238000009933 burial Methods 0.000 claims description 5
- 230000003203 everyday effect Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 4
- 239000011435 rock Substances 0.000 claims description 4
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 230000000737 periodic effect Effects 0.000 claims description 2
- 238000011161 development Methods 0.000 abstract description 4
- 230000007613 environmental effect Effects 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 6
- 238000007726 management method Methods 0.000 description 6
- 230000000007 visual effect Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61K—AUXILIARY EQUIPMENT SPECIALLY ADAPTED FOR RAILWAYS, NOT OTHERWISE PROVIDED FOR
- B61K9/00—Railway vehicle profile gauges; Detecting or indicating overheating of components; Apparatus on locomotives or cars to indicate bad track sections; General design of track recording vehicles
- B61K9/08—Measuring installations for surveying permanent way
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- 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)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Remote Sensing (AREA)
- Computer Graphics (AREA)
- Mechanical Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明涉及噪声及振动治理领域,公开了一种基于轨道交通在线监测的振动地图绘制方法,该方法提取在线监测系统中的振动源强监测数据,通过线路特征类比,隧道类型修正、断面类型修正、单双线及直径修正、车速修正,曲线半径修正、轨道措施修正、流量修正等得到轨道交通线路全线的振动源强特征数据。该方法可依据轨道交通振动的在线监测结果,结合隧道类型、线路条件、措施类型、地质条件等各种因素,方便、迅速,快捷的绘制线路全线的振动地图、具有广泛的应用前景,能够为轨道交通振动治理、环境保护和可持续发展做出积极贡献。
Description
技术领域
本发明涉及轨道交通振动预测技术领域,尤其涉及一种基于轨道交通在线监测的振动地图绘制方法。
背景技术
城市轨道交通线路通常下穿中心城区,地下线路引发的环境振动直接影响着沿线居民的日常生活。随着轨道交通的不断建设和线网密度的增加,轨道交通运营年份的增加和轨道部件的老化,轨道交通引起的环境振动影响范围逐年扩大,由此引发的环境投诉也呈现上升趋势。在传统的轨道交通环境管理中,针对敏感目标开展单点单次的振动监测和预测评估,存在监测样本数量少,容易产生较大偏大,且数据利用管理方式落后,存在数据信息孤岛问题,无法掌握线路全线实际的振动影响情况等问题,且随着线路运营里程的不断增加,传统的环境管理模式已经无法满足新形势下轨道交通的环境管理需求。
轨道交通振动地图是一种新型可视化工具,通过将轨道交通振动源强数据、车辆信息、隧道信息、轨道信息、地质土层信息、建筑信息、地理信息等输入振动预测模型中,将轨道交通引起的地面环境振动以等值线图的形式绘制在地图上。通过振动地图,可以查询轨道线路两侧一定范围内地面振动大小,统计超标区域面积、影响人口,有助于轨道交通全线网环境振动的监管,为投诉处理、达标治理以及相关区域规划提供基础数据。类似噪声地图,轨道交通的振动地图提供了全新视野及直观化的展示来显示轨道交通的振动影响情况,是一种全新技术。
轨道交通在我国发展时间还较短,振动地图或振动等值线图的绘制鲜有人提及,目前暂未查询到相关专利。随着无线通信技术和传感器技术的发展,轨道交通振动在线监测技术目前已经有所发展。
申请号201910424506.8的专利说明书公开了一种基于物联网技术的轨道交通振动监测方法,综合运用LORA无线通讯技术、MEMS电容加速度传感器技术、4G通讯技术、GPS/BD定位技术、微能量手机技术和无线充电技术,监测节点负责数据采集和发送,监测中心上位机软件实时分析接收到的振动数据,实现多通道振动数据的实时在线采集。
申请号为201711454648.6的专利说明书公开了一种基于光纤振动传感的地铁振动在线监测方法,通过光纤加速度计的矢量水听器阵列,对地铁振动实时在线监测,并自动进行数据存储、分析和评估,实现地铁隧道振动在线监测和安全评估,有效保障地铁隧道的安全运营。
申请号201910625759.1的专利说明书公开了一种铁路轨道实时监测系统,监测终端包括振动传感器、温度传感器、压力传感器、摄像头、指挥灯、报警器等,监测终端通过无线网络连接服务器,并通过无线网络与远程控制终端相连,通过对铁路轨道全方位的实时监测,达到预测、超标报警的目的,在铁路安全监测中起到重要的作用。
轨道交通振动在线监测已有不同的实现方法,但现有的相关专利中,侧重在监测数据的采集、传输和监测结果的简单分析和评估方面,对于如何开展海量在线监测数据的应用方面的研究较少。通过在线监测,将轨道交通的振动分布以等值线图的形式展示出来,用于轨道交通的环境管理和线路维护方面的研究目前未查询到有成熟的研究成果。
发明内容
本发明的主要目的在于解决现有技术中的问题。本发明提供了一种基于轨道交通在线监测的振动地图绘制方法:
信息模型建立步骤:获取轨道交通线路走向图,包括平面布置图,纵向布置图,建立轨道交通地理信息模型;
线路分区分类步骤:根据地质类型、轨道交通线路特征、里程,将轨道交通按不同的区域分段分类;
在线监测步骤:在每一类型中选取典型测试位置,在隧道内布置振动在线监测系统,测量隧道内振动源强和车速;
振动源强特征数据获取步骤:提取在线监测系统中的振动源强监测数据,通过线路特征类比,隧道型式修正、轨道条件修正、曲线半径修正、车速修正、轨道减振措施修正、行车密度修正等得到轨道交通线路全线的振动源强特征数据;
预测分类模型建立步骤:提取线路地理信息数据、地质类型数据、线路特征数据、源强数据、距离和埋深、地面环境特征,根据各类型不同的垂向距离衰减计算模式、水平距离衰减计算模式、地面环境修正,分类建立轨道交通振动预测分类模型;
模型校准步骤:由于不同的地质类型对振动传播影响较大,在每种地质类型选取1~2处特征点作为地面振动校准点,开展地面振动的在线监测,通过地面振动的实测数据校核预测模型,形成校准因子存储于数据库中。
轨道交通振动地图生成步骤:对轨道交通线路沿线进行计算网格划分,按照不同的分类计算模型计算各网格点的振动值,不同网格点之间采用线性插值,生成以不同颜色代表不同振动水平的轨道交通振动地图。
所述线路分区分类步骤具体包括:
步骤2.1,根据城市地质类型分布,将轨道线路按地质分布划分为不同区域,不同地质类型记作Gi={岩石,坚硬土,中硬土,中软土,软弱土}。
步骤2.2,获取轨道交通线路的特征数据,包括隧道、道床、钢轨、减振措施、车速等特征数据,按照特征元素进行分类编码,建立轨道交通线路特征数据库,特征数据的特征量X包括:
X={X1,X2,X3,…,Xn},n∈N*,
其中,
X1={x|x为隧道类型}={x|x∈{明挖,盾构}}
X2={x|x为断面类型}={x|x∈{矩形,类矩形,圆形}}
X3={x|x为单双线及直径}={x|x∈{隧道直径,单线,双线}}
X4={x|x为轨道条件}={x|x∈{无缝线路,有缝线路,道岔}}
X5={x|x为线路条件}={x|x∈{>2000m,1000~2000m,500~1000m,≤500m}}
X6={x|x为减振措施}={x|x∈{一般减振,中等减振,高等减振,特殊减振}}
X7={x|x为加减速状态}={x|x∈{匀速,加速,减速}}
特征元素Xi包含但不仅限于以上内容,可根据工程实际影响因素做增减。
式中:
隧道按施工方式可分为盾构隧道和明挖隧道,在现有的地铁隧道中,车站一般采用明挖施工,区间一般采用盾构施工;
断面类型分为矩形断面、类矩形断面和圆形断面;
单双线及直径包括隧道直径大小,隧道是单线线路还是双线线路,目前大部分为单线隧道,仅少量线路采用双线隧道;
轨道条件可分为无缝线路、有缝线路、道岔路段等,一般路段均采用无缝线路;
轨道交通线路的减振措施分为一般减振、中等减振、高等减振、特殊减振,不同的减振等级采用的减振方法不同,通常包括扣件减振、道床减振等,不同减振措施的减振效果不同;
线路按平面布置形式可分为直线和曲线路段,不同的曲线半径影响振动源强。按照曲线半径形式,分为不同的等级:①>2000m(包括直线路段),②1000~2000m,③500m~1000m,④≤500m;
不同的车速及加减速状态影响振动源强,按车速状态,车速分为:加速、匀速、减速;
步骤2.3,按照线路里程和地质类型分区,设置一定的步长D,将位于同一地质区域的轨道交通线路分成若干区段,位于同一区段范围内且线路特征相同的轨道交通划为同一类型,由此将轨道交通线网分为n个类型。
所述在线监测步骤具体包括:
步骤3.1,隧道内典型测试断面,在隧道壁、道床、钢轨布置至少3个测点,测量铅垂向振动加速度,同步测量列车车速。隧道壁测点布置在隧道壁高于轨面1.25±0.25m处;道床测点布置道床中央;钢轨测点布置在钢轨底部;
步骤3.2,隧道内振动在线监测系统由监测终端、数据传输模块、云平台等组成。
所述步骤3.2具体包括:
监测终端由加速度传感器、数据采集仪、边缘计算程序组成;所述加速度传感器可采用传统ICP传感器或MEMS传感器;所述数据采集仪采用24位高精度AD模数转换器;在所述监测终端内置边缘计算程序,将监测终端采集的数字信号在终端节点完成解析计算;
监测终端配置4G路由器,数据通过4G网络传输至云平台;
云平台接收从监测终端上传的监测数据。
振动源强特征数据获取步骤具体包括:
提取在线监测系统中的振动源强监测数据;
通过线路特征类比,隧道型式修正、轨道条件修正、曲线半径修正、车速修正、轨道减振措施修正、行车密度修正等得到轨道交通线路全线的振动源强特征数据。
所述振动源强数据类比修正方法如下:
式中:VLz为类比点振动源强计算值;
VLz0为在线监测点振动源强实测值;
Ci为振动修正量。
预测分类模型建立步骤:
提取线路地理信息数据、地质类型数据、线路特征数据、源强数据、距离和埋深、地面环境特征;
根据各类型不同的垂向距离衰减计算模式、水平距离衰减计算模式、地面环境修正,分类建立轨道交通振动预测分类模型;
所述地面振动预测由振动源强通过距离衰减计算、地面环境修正计算得到,如下式所示:
VG=VLz+av+ah+cg
式中,VG为地面预测点的振动值,dB;
VLz为地面预测点对应的振动源强,dB;
av为垂向距离衰减量,dB;
ah为水平向距离衰减量,dB;
cg不同地面环境条件的修正,dB。
所述模型校准步骤具体包括:
所述校准点选取地质环境相对均匀、土层各项同性较好、地面背景干扰较小的位置;所述校准点与隧道内振动源强点位于同一断面,与振动源强同步测试;
计算校准点实测值V1与预测值V2的差值|V1-V2|,当|V1-V2|<1dB时,预测模型校准因子不变;当|V1-V2|≥1dB时,预测模型采用新的校准因子。
所述轨道交通振动地图生成步骤,具体包括:
对轨道交通线路沿线进行计算网格划分,按照不同的分类计算模型计算各网格点的振动值,不同网格点之间采用线性插值,生成以不同颜色代表不同振动水平的轨道交通振动地图。
振动地图的网格点的振动值预测采用快速网格算法,即以边界和中心的网格点的噪声值绘制等值线图的方式为:将区域按照计算步长划分网格,并将3×3的网格点作为一个计算单元,计算四个边界和一个中心这五个网格点的均值和标准偏差,当标准偏差小于设定偏差阈值时(默认值为0.1dB),根据五个网格点的振动数据绘制等值线图;当标准偏差大于设定偏差阈值时,根据计算单元的九个网格点的噪声数据绘制噪声地图。
所述振动地图绘制方法还包括长期在线监测步骤,所述长期在线监测步骤包括:
利用长期在线监测的特点,根据隧道内振动源强的变化,进行振动地图的定期更新。
所述长期在线监测步骤的定期更新方法如下:
按日开展振动源强的统计分析,计算隧道内每日的振动源强统计值;
计算每天的振动源强VLz(t)和源强初始值VLz(t0)之间的差值|VLz(t)-VLz(t0)|;
当|VLz(t)-VLz(t0)|<1dB时,振动地图不更新;
当|VLz(t)-VLz(t0)|≥1dB时,振动源强按照新的测试结果更新,振动地图更新。
本发明还提供了一种基于轨道交通在线监测的振动地图绘制系统,其特征在于,所述系统包括:
信息模型建立单元:用于获取轨道交通线路走向图,包括平面布置图,纵向布置图,建立轨道交通地理信息模型;
线路分区分类单元:用于根据地质类型、轨道交通线路特征、里程,将轨道交通按不同的区域分段分类;
在线监测单元:用于在每一类型中选取典型测试位置,在隧道内布置振动在线监测系统,测量隧道内振动源强和车速;
振动源强特征数据获取单元:用于提取在线监测系统中的振动源强监测数据,通过线路特征类比,隧道型式修正、轨道条件修正、曲线半径修正、车速修正、轨道减振措施修正、行车密度修正等得到轨道交通线路全线的振动源强特征数据;
预测分类模型建立单元:用于提取线路地理信息数据、地质类型数据、线路特征数据、源强数据、距离和埋深、地面环境特征,根据各类型不同的距离衰减计算模式、地面环境修正,分类建立轨道交通振动预测分类模型;
模型校准单元:用于由于不同的地质类型对振动传播影响较大,在每种地质类型选取1~2处特征点作为地面振动校准点,开展地面振动的在线监测,通过地面振动的实测数据校核预测模型,形成校准因子存储于数据库中。
轨道交通振动地图生成单元:用于对轨道交通线路沿线进行计算网格划分,按照不同的分类计算模型计算各网格点的振动值,网格点计算采用快速网格算法,不同网格点之间采用线性插值,生成以不同颜色代表不同振动水平的轨道交通振动地图。
本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,其特征在于,所述指令被处理器执行时实现所述基于轨道交通在线监测的振动地图绘制方法的各个步骤。
随着振动在线监测技术的发展,开展轨道交通振动在线监测,并在此基础上绘制轨道交通引起的地面环境振动地图,具有预测精度高、数据动态变化、振动数据可视化等优点:
(1)根据轨道交通线路特征、地质环境特征和线网位置分区分段建立预测模型,可有效降低不同影响因子引起的预测误差,提高模型的预测精度;
(2)振动源强按类别分段实测获取,测点覆盖范围广,能够真实反应不同路段振动源强的大小,减小了因振动源强取值不合理产生的误差,提高了预测可靠性;
(3)振动源强采用实时在线监测,可长期动态监测振动源强随时间的变化,反馈线路变化的特征,地面振动地图随振动源强动态变化,灵活掌握地面振动的变化情况;
(4)将轨道交通引起的地面环境振动从抽象的数字变成可视化的图形展示,可更加直观的了解轨道交通线路沿线的振动影响情况,针对关注目标,及时采取针对性的措施。
附图说明
图1为本发明基于轨道交通在线监测的振动地图绘制步骤的整体的示意图。
图2为本发明基于轨道交通在线监测的振动地图绘制步骤的振动在线监测系统示意图。
图3为本发明基于轨道交通在线监测的振动地图绘制步骤的振动等值线绘制方法示意图。
图4为本发明基于轨道交通在线监测的振动地图绘制步骤的快速网格点划分示意图。
图5为本发明基于轨道交通在线监测的振动地图绘制步骤的校准因子调整的示意图。
图6为本发明基于轨道交通在线监测的振动地图绘制步骤的依据实施例绘制的地面振动地图。
具体实施方式
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”或“具有”及其任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或生产设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或生产设备固有的其它步骤或单元。
如图1所示,一种基于轨道交通在线监测的振动地图绘制方法,包括如下步骤:
步骤1,获取轨道交通线路走向图,包括平面布置图,纵向布置图,将轨道交通线路导入地理信息系统中,建立轨道交通地理信息模型;
步骤2,轨道交通线路按不同的区域分段分类:根据地质类型、轨道交通线路特征、里程,将轨道交通按不同的区域分段分类。
步骤2.1,根据城市地质类型分布,将轨道线路按地质分布划分为不同区域,不同地质类型记作
Gi={岩石,坚硬土,中硬土,中软土,软弱土}。
步骤2.2,获取轨道交通线路的特征数据,包括隧道、道床、钢轨、减振措施、车速等特征数据,按照特征元素进行分类编码,建立轨道交通线路特征数据库,特征数据的特征量X包括:
X={X1,X2,X3,…,Xn},n∈N*,:
式中,
X1={x|x为隧道类型}={x|x∈{明挖,盾构}}
X2={x|x为断面类型}={x|x∈{矩形,类矩形,圆形}}
X3={x|x为单双线及直径}={x|x∈{隧道直径,单线,双线,车站}}
X4={x|x为轨道条件}={x|x∈{无缝线路,有缝线路,道岔}}
X5={x|x为线路条件}={x|x∈{>2000m,1000~2000m,500~1000m,≤500m}}
X6={x|x为减振措施}={x|x∈{一般减振,中等减振,高等减振,特殊减振}}
X7={x|x为加减速状态}={x|x∈{匀速,加速,减速}}
特征元素Xi包含但不仅限于以上内容,可根据工程实际影响因素做增减。
(1)隧道按施工方式可分为盾构隧道和明挖隧道,在现有的地铁隧道中,车站一般采用明挖施工,区间一般采用盾构施工;
(2)隧道断面类型分为矩形断面、类矩形断面和圆形断面;
(3)单双线及直径包括隧道直径大小,隧道是单线线路还是双线线路,目前大部分为单线隧道,仅少量线路采用双线隧道;
(4)。轨道条件可分为无缝线路、有缝线路、道岔路段等,一般路段均采用无缝线路;
(5)轨道交通线路的减振措施分为一般减振、中等减振、高等减振、特殊减振,不同的减振等级采用的减振方法不同,通常包括扣件减振、道床减振等,不同减振措施的减振效果不同。
(6)线路按平面布置形式可分为直线和曲线路段,不同的曲线半径影响振动源强。按照曲线半径形式,分为不同的等级:①>2000m(包括直线路段),②1000~2000m,③500m~1000m,④≤500m。
(7)不同的车速及加减速状态影响振动源强,按车速状态,车速分为:加速、匀速、减速;
步骤2.3,按照线路里程和地质类型分区,设置一定的步长D,将位于同一地质区域的轨道交通线路分成若干区段,位于同一区段范围内且线路特征相同的轨道交通划为同一类型,由此将轨道交通线网分为n个类型。
步骤3,在每一类型中选取典型测试位置,在隧道内布置振动在线监测系统,测量隧道内振动源强和车速。
步骤3.1,隧道内典型测试断面,在隧道壁、道床、钢轨布置至少3个测点,测量铅垂向振动加速度,同步测量列车车速。隧道壁测点布置在隧道壁高于轨面1.25±0.25m处;道床测点布置道床中央;钢轨测点布置在钢轨底部。
步骤3.2,隧道内振动在线监测系统由监测终端、数据传输模块、云平台等组成。
步骤3.2.1,监测终端包括加速度传感器、数据采集仪、边缘计算程序等组成。
加速度传感器可采用传统ICP传感器或MEMS传感器,根据不同测点的量程选择不同灵敏度的加速度传感器,选用动态线性范围好、稳定性高、尺寸小、质量轻、功耗低的加速度传感器,满足地铁隧道内振动测量的要求。
数据采集仪采用24位高精度AD模数转换器,具有120dB的动态测量范围,可同步完成多个通道信号的采集。
地铁振动测量采集到的原始振动信号数据量较大,集中上传到云平台计算存在网络延时高、海量数据处理难、带宽不够、功耗过高等高难度挑战。为了解决该问题,系统采用分散式运算的架构,在监测终端内置边缘计算程序,将监测终端采集的数字信号在终端节点完成解析计算,可加快数据处理和传送速度,减少延时,提高实时性。
步骤3.2.2,监测终端配置4G路由器,数据通过4G网络传输至云平台。
步骤3.2.3,云平台接收从监测终端上传的监测数据,具有数据计算、数据分析、数据展示等功能。
步骤4,提取在线监测系统中的振动源强监测数据,通过线路特征类比,隧道型式修正、轨道条件修正、曲线半径修正、车速修正、轨道减振措施修正、行车密度修正,得到同类轨道交通线路的振动源强,从而得到线路全线的轨道交通振动源强特征数据。
振动源强数据类比修正按下式计算:
式中:VLz为类比点振动源强计算值;
VLz0为在线监测点振动源强实测值;
Ci为振动修正量,由多个修正量组成。Ci按下表1取值:
表1振动源强修正量(Ci)取值表
步骤5,建立轨道交通振动预测模型,提取线路地理信息数据、地质类型数据、线路特征数据、源强数据、距离和埋深、地面环境特征等数据,根据各类型不同的距离衰减计算模式、地面环境修正,分类建立轨道交通振动预测分类模型。
步骤5.1轨道交通引起的地面环境振动由振动源强通过距离衰减计算、地面环境修正计算得到,如下式所示:
VG=VLz+av+ah+cg
式中,VG为地面预测点的振动值,dB;
VLz为地面预测点对应的振动源强,dB;
av为垂向距离衰减量,dB;
ah为水平向距离衰减量,dB;
cg不同地面环境条件的修正,dB。
上表中,与距离衰减修正相关的土层参数β,a,b,c,如下表所示,并结合地面振动衰减拟合予以修正。
表2土层参数β,a,b,c取值
土体类别 | 土层剪切波波速Vs(m/s) | β | a | b | c |
软弱土 | Vs≤150 | 0.42 | -3.28 | -0.13 | 3.03 |
中软土 | 150<Vs≤250 | 0.32 | -3.28 | -0.13~0.06 | 3.03 |
中硬土 | 250<Vs≤500 | 0.25 | -3.28 | -0.04 | 3.09 |
坚硬土、岩石 | Vs>500 | 0.20 | -3.28 | -0.02 | 3.09 |
步骤6,模型校准:由于不同的地质类型对振动传播影响较大,在每种地质类型选取1~2处特征点作为地面振动校准点,开展地面振动的在线监测,通过地面振动的实测数据校核预测模型,形成校准因子存储于数据库中。
步骤6.1,考虑到实际环境变化的多样性和预测模型的普适性,校准点应选取地质环境相对均匀、土层各向同性较好、地面背景干扰较小的位置;
步骤6.2,校准点与隧道内振动源强点位于同一断面,与振动源强同步测试;
步骤6.3,模型校准频次:计算校准点实测值V1与预测值V2的差值|V1-V2|,当|V1-V2|<1dB时,预测模型校准因子不变;当|V1-V2|≥1dB时,预测模型采用新的校准因子。
步骤7,对轨道交通线路沿线进行计算网格划分,按照不同的分类计算模型计算各网格点的振动值,不同网格点之间采用线性插值,生成以不同颜色代表不同振动水平的轨道交通振动地图。
步骤7.1网格点的振动值预测采用快速网格算法,如图所示,即以边界和中心的网格点的噪声值绘制等值线图的方式为:将区域按照计算步长划分网格,并将3×3的网格点作为一个计算单元,计算四个边界(1、3、7、9)和一个中心(5)这五个网格点的均值和标准偏差,当标准偏差小于0.1dB的设定阈值时,根据五个网格点的振动数据绘制等值线图;当标准偏差大于0.1DB时,根据计算单元的九个网格点的噪声数据绘制噪声地图。
步骤8,利用长期在线监测的特点,根据隧道内振动源强的变化,进行振动地图的定期更新。更新方法如下:
步骤8.1,按日开展振动源强的统计分析,计算隧道内每日的振动源强统计值。
步骤8.2,计算每天的振动源强VLZ(t)和源强初始值VLz(t0)之间的差值|VLz(t)-VLz(t0)|;
步骤8.3,当|VLz(t)-VLz(t0)|<1dB时,振动地图不更新;
步骤8.4,当|VLz(t)-VLz(t0)|≥1dB时,振动源强按照新的测试结果更新,振动地图更新。
本发明采用在线监测和模型预测相结合,提供了一种基于轨道交通在线监测数据的振动地图绘制方法,包括建立轨道交通振动关联因素特征数据库,轨道交通振动源强在线监测,振动地图模型的建立和校准,振动地图的绘制等。轨道交通振动关联因素特征数据库包括地铁线路的隧道型式、轮轨条件、减振措施等工程特征、车型车速、地面环境特征等,通过分类赋值,形成特征数据库;根据振动特征数据的分类特征,选取特征点开展振动源强在线监测,关联特征数据库,利用少量在线监测点数据通过特征数据库匹配,获得线路全线的源强特征值;利用经验预测模式,关联土层特征数据、地面环境特征数据、地面建筑物特征数据,建立从源强到地面的振动预测模型;选取特征点开展地面振动在线监测,通过在线监测数据校核振动预测模型,形成特征修正因子存储在预测模型中;按照一定的网格计算地面网格点的振动值,结合地理信息数据,绘制轨道交通振动地图。
本发明在轨道交通振动在线监测的基础上,绘制轨道交通引起的地面环境振动地图,可实现轨道交通沿线一定范围内环境振动的快速预测和可视化管理,针对关注目标,及时采取针对性的措施。
本发明的振动源强分类分段获取,测点覆盖范围广,能够真实反映不同路段振动源强的大小,减小了因振动源强取值不合理产生的误差,提高了预测可靠性;
本发明分段建立振动预测模型,差异化设置预测参数,提高预测精度;
本发明采用地面振动在线监测数据动态校核地面振动数据,降低模型预测误差;
本发明的隧道振动源强长期在线监测,可长期动态监测振动源强随时间的变化,反馈线路变化的特征,地面振动地图随振动源强动态变化,灵活掌握地面振动的变化情况。
实施例一
选取上海某轨道交通线路地下线路约2209m×120m的区域(里程范围K13+541~K15+750)作为实验区域,开展基于轨道交通在线监测的振动地图的绘制。
步骤1,根据轨道交通线路走向,地理信息数据,建立该路段轨道交通地理信息模型;
步骤2,根据地质类型、轨道交通线路特征、里程,将该区域的轨道交通线路分类分段:
步骤2.1,根据地质参数,该区域地质类型均为中软土,地质类型一致;
步骤2.2,根据线路特征,该区段线路分为以下4种类型:
步骤2.3,实验区域为同一地质类型,按照线路里程设置步长为5km,实验区域总长为2.2km,位于同一区段内,不作分区。由此该区域内轨道交通线路共分为4个类型。
步骤3,在每一类型中选取典型测试位置,在隧道内布置振动在线监测系统,测量隧道内振动源强和车速。共布置4组测试断面,设置4套在线监测终端。每组断面在隧道壁、道床、钢轨各布置1个测点,测量铅垂向振动加速度,同步测量列车车速。
4个测试断面的振动源强如下表所示:
步骤4,根据线路特征和参数系统,得到该区段线路的振动源强,如下表所示:
步骤5,按照4种类型,分类建立轨道振动预测模型,距离衰减和地面环境修正按表所示参数选取,土层参数按照中软土选取。
步骤6,在匀速无减振措施路段,选取地质环境相对均匀、土层各项同性较好、地面背景干扰较小的位置布置地面振动校准点1处,开展振动在线监测,得到校准点实测数据,导入振动预测模型进行模型校核。
步骤7,设置计算网格的步长为5m,将所在区域划分为10560个网格节点。根据快速网格算法,计算各网格点的振动值,通过线性差值,生成不同颜色代表不同振动水平的轨道交通振动地图。
依据本实施例绘制的地面振动地图见图6.
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于轨道交通在线监测的振动地图绘制方法,其特征在于,
信息模型建立步骤:获取轨道交通线路走向图,包括平面布置图,纵向布置图,建立轨道交通基础地理信息模型;
线路分区分类步骤:根据地质类型、轨道交通线路特征、里程、轨道减振措施类型、将轨道交通按不同的区域分段分类;
在线监测步骤:在每一类型中选取典型测试位置,在隧道内布置振动在线监测系统,测量隧道内振动源强和车速;
振动源强特征数据获取步骤:提取在线监测系统中的振动源强监测数据,通过线路特征类比,隧道类型修正、断面类型修正、单双线及直径修正、车速修正,曲线半径修正、轨道措施修正、流量修正等得到轨道交通线路全线的振动源强特征数据;
预测分类模型建立步骤:提取线路地理信息数据、地质类型数据、线路特征数据、源强数据、距离和埋深、地面环境特征,根据各类型不同的距离衰减计算模式、地面环境修正,分类建立轨道交通振动预测分类模型;
模型校准步骤:由于不同的地质类型对振动传播影响较大,在每种地质类型选取1~2处特征点作为地面振动校准点,开展地面振动的在线监测,通过地面振动的实测数据校核预测模型,形成校准因子库存储于数据库中。
轨道交通振动地图生成步骤:对轨道交通线路沿线进行计算网格划分,按照不同的分类计算模型计算各网格点的振动值,不同网格点之间采用线性插值,生成以不同颜色代表不同振动水平的轨道交通振动地图。
2.根据权利要求1所述的一种基于轨道交通在线监测的振动地图绘制方法,其特征在于,所述线路分区分类步骤具体包括:
步骤2.1,根据城市地质类型分布,将轨道线路按地质分布划分为不同区域,不同地质类型记作Gi={岩石、坚硬土,中硬土,中软土,软弱土}。
步骤2.2,获取轨道交通线路的特征数据,包括隧道、道床、钢轨、减振措施、车速等特征数据,按照特征元素进行分类编码,建立轨道交通线路特征数据库,特征数据的特征量X包括:
X={X1,X2,X3,…,Xn},n∈N*,
式中,
X1={x|x为隧道类型}={x|x∈{明挖,盾构}}
X2={x|x为断面类型}={x|x∈{矩形,类矩形,圆形}}
X3={x|x为单双线及直径}={x|x∈{隧道直径,单线,双线}}
X4={x|x为轨道条件}={x|x∈{无缝线路,有缝线路,道岔}}
X5={x|x为线路条件}={x|x∈{>2000m,1000~2000m,500~1000m,≤500m}}
X6={x|x为减振措施}={x|x∈{一般减振,中等减振,高等减振,特殊减振}}
X7={x|x为加减速状态}={x|x∈{匀速,加速,减速}}
特征元素Xi包含但不仅限于以上内容,可根据工程实际影响因素做增减。
式中:
隧道类型按施工方式可分为盾构隧道和明挖隧道,在现有的地铁隧道中,车站一般采用明挖施工,区间一般采用盾构施工;
断面类型分为矩形断面、类矩形断面和圆形断面;
单双线及直径包括隧道直径大小,隧道是单线线路还是双线线路,目前大部分为单线隧道,仅少量线路采用双线隧道;
轨道条件可分为无缝线路、有缝线路、道岔路段等,一般路段均采用无缝线路;
轨道交通线路的减振措施分为一般减振、中等减振、高等减振、特殊减振,不同的减振等级采用的减振方法不同,通常包括扣件减振、道床减振等,不同减振措施的减振效果不同;
线路按平面布置形式可分为直线和曲线路段,不同的曲线半径影响振动源强。按照曲线半径形式,分为不同的等级:①>2000m(包括直线路段),②1000~2000m,③500m~1000m,④≤500m;
不同的车速及加减速状态影响振动源强,按车速状态,车速分为:加速、匀速、减速;
步骤2.3,按照线路里程和地质类型分区,设置一定的步长D,将位于同一地质区域的轨道交通线路分成若干区段,位于同一区段范围内且线路特征相同的轨道交通划为同一类型,由此将轨道交通线网分为n个类型。
3.根据权利要求1所述的一种基于轨道交通在线监测的振动地图绘制方法,其特征在于,所述在线监测步骤具体包括:
步骤3.1,隧道内典型测试断面,在隧道壁、道床、钢轨布置至少3个测点,测量铅垂向振动加速度级,同步测量列车车速。隧道壁测点布置在隧道壁高于轨面1.25±0.25m处;道床测点布置道床中央;钢轨测点布置在钢轨底部;
步骤3.2,隧道内振动在线监测系统由监测终端、数据传输模块、云平台等组成。
4.根据权利要求3所述的一种基于轨道交通在线监测的振动地图绘制方法,其特征在于,所述步骤3.2具体包括:
监测终端由加速度传感器、数据采集仪、边缘计算程序组成;所述加速度传感器可采用传统ICP传感器或MEMS传感器;所述数据采集仪采用24位高精度AD模数转换器;在所述监测终端内置边缘计算程序,将监测终端采集的数字信号在终端节点完成解析计算;
监测终端配置4G路由器,数据通过4G网络传输至云平台;
云平台接收从监测终端上传的监测数据。
5.根据权利要求1所述的一种基于轨道交通在线监测的振动地图绘制方法,其特征在于,所述线路不同路段的振动源强由实测点的振动源强通过类比修正获取,如下式所示:
式中:VLz为类比点振动源强计算值;
VLz0为在线监测点振动源强实测值;
Ci为振动修正量。
6.根据权利要求1所述的一种基于轨道交通在线监测的振动地图绘制方法,其特征在于,所述地面振动预测由振动源强通过距离衰减计算、地面环境修正计算得到,如下式所示:
VG=VLz+av+ah+cg
式中,VG为地面预测点的振动值,dB;
VLz为地面预测点对应的振动源强,dB;
av为垂向距离衰减量,dB;
ah为水平向距离衰减量,dB;
cg不同地面环境条件的修正,dB。
7.根据权利要求1所述的一种基于轨道交通在线监测的振动地图绘制方法,其特征在于,所述模型校准步骤具体包括
所述校准点选取地质环境相对均匀、土层各项同性较好、地面背景干扰较小的位置;所述校准点与隧道内振动源强点位于同一断面,与振动源强同步测试;
计算校准点实测值V1与预测值V2的差值|V1-V2|,当|V1-V2|<1dB时,预测模型校准因子不变;当|V1-V2|≥1dB时,预测模型采用新的校准因子。
8.所述轨道交通振动地图生成步骤,具体包括:
对轨道交通线路沿线进行计算网格划分,按照不同的分类计算模型计算各网格点的振动值,不同网格点之间采用线性插值,生成以不同颜色代表不同振动水平的轨道交通振动地图;
振动地图的网格点的振动值预测采用快速网格算法,即以边界和中心的网格点的噪声值绘制等值线图的方式为:将区域按照计算步长划分网格,并将3×3的网格点作为一个计算单元,计算四个边界和一个中心这五个网格点的均值和标准偏差,当标准偏差小于设定偏差阈值时,所述设定偏差阈值默认为0.1dB,根据五个网格点的振动数据绘制等值线图;当标准偏差大于设定偏差阈值时,根据计算单元的九个网格点的噪声数据绘制噪声地图。
9.根据权利要求1所述的一种基于轨道交通在线监测的振动地图绘制方法,其特征在于,所述振动地图绘制方法还包括长期在线监测步骤,所述长期在线监测步骤包括:
利用长期在线监测的特点,根据隧道内振动源强的变化,进行振动地图的定期更新。
10.根据权利要求9所述的一种基于轨道交通在线监测的振动地图绘制方法,其特征在于,所述长期在线监测步骤的定期更新方法如下:
按日开展振动源强的统计分析,计算隧道内每日的振动源强统计值;
计算每天的振动源强VLz(t)和源强初始值VLz(t0)之间的差值|VLz(t)-VLz(t0)|;
当|VLz(t)-VLz(t0)|<1dB时,振动地图不更新;
当|VLz(t)-VLz(t0)|≥1dB时,振动源强按照新的测试结果更新,振动地图更新。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311090498.0A CN117115374B (zh) | 2023-08-28 | 2023-08-28 | 一种基于轨道交通在线监测的振动地图绘制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311090498.0A CN117115374B (zh) | 2023-08-28 | 2023-08-28 | 一种基于轨道交通在线监测的振动地图绘制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117115374A true CN117115374A (zh) | 2023-11-24 |
CN117115374B CN117115374B (zh) | 2024-04-16 |
Family
ID=88801698
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311090498.0A Active CN117115374B (zh) | 2023-08-28 | 2023-08-28 | 一种基于轨道交通在线监测的振动地图绘制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117115374B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021043005A (ja) * | 2019-09-09 | 2021-03-18 | 地方独立行政法人鳥取県産業技術センター | 振動分布可視化方法及び振動分布可視化装置、共振箇所特定方法 |
CN114001819A (zh) * | 2021-11-23 | 2022-02-01 | 青岛零一动测数据科技有限公司 | 轨道交通振动噪声监控系统 |
US20230073361A1 (en) * | 2020-02-07 | 2023-03-09 | Konux Gmbh | System and method for analysing railway related data |
CN116109786A (zh) * | 2023-02-16 | 2023-05-12 | 中铁四院集团南宁勘察设计院有限公司 | 一种城市轨道交通振动地图的构建方法 |
CN116295804A (zh) * | 2023-02-16 | 2023-06-23 | 中铁四院集团南宁勘察设计院有限公司 | 一种振动地图的构建方法 |
CN116414933A (zh) * | 2023-03-09 | 2023-07-11 | 中铁第四勘察设计院集团有限公司 | 一种城市轨道交通振动地图管理系统 |
-
2023
- 2023-08-28 CN CN202311090498.0A patent/CN117115374B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021043005A (ja) * | 2019-09-09 | 2021-03-18 | 地方独立行政法人鳥取県産業技術センター | 振動分布可視化方法及び振動分布可視化装置、共振箇所特定方法 |
US20230073361A1 (en) * | 2020-02-07 | 2023-03-09 | Konux Gmbh | System and method for analysing railway related data |
CN114001819A (zh) * | 2021-11-23 | 2022-02-01 | 青岛零一动测数据科技有限公司 | 轨道交通振动噪声监控系统 |
CN116109786A (zh) * | 2023-02-16 | 2023-05-12 | 中铁四院集团南宁勘察设计院有限公司 | 一种城市轨道交通振动地图的构建方法 |
CN116295804A (zh) * | 2023-02-16 | 2023-06-23 | 中铁四院集团南宁勘察设计院有限公司 | 一种振动地图的构建方法 |
CN116414933A (zh) * | 2023-03-09 | 2023-07-11 | 中铁第四勘察设计院集团有限公司 | 一种城市轨道交通振动地图管理系统 |
Non-Patent Citations (6)
Title |
---|
刘卫丰;刘维宁;袁扬;: "基于地铁列车运行引起的振动预测模型的浮置板轨道减振效果研究", 铁道学报, no. 09, 15 September 2012 (2012-09-15), pages 81 - 86 * |
孙飞,王巧燕等: "《轨道交通振动源强特性及减振措施效果实测分析》", 《上海船舶运输科学研究所学报》, vol. 44, no. 3, 30 September 2021 (2021-09-30), pages 73 - 77 * |
苏浩;侯克锁;田莹;王博;: "轨道交通振动特性和振动源强取值的试验研究", 交通节能与环保, no. 03, 15 June 2018 (2018-06-15), pages 111 - 115 * |
褚国红;李晓东;邱贤锋;: "城市复杂路段声屏障设计", 上海船舶运输科学研究所学报, no. 01, 15 June 2010 (2010-06-15), pages 21 - 25 * |
郑国琛;许航莉;祁皑;郭金龙;: "地铁及地面交通环境振动实测与数值模拟研究", 中国环境科学, no. 09, 18 September 2020 (2020-09-18), pages 4146 - 4153 * |
韦凯;胡小刚;赵泽明;梁迎春;: "地下铁道环境振动快速预测及可视化研究", 铁道建筑, no. 03, 20 March 2018 (2018-03-20), pages 50 - 52 * |
Also Published As
Publication number | Publication date |
---|---|
CN117115374B (zh) | 2024-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101653280B1 (ko) | 대기 오염 모니터 방법 | |
CN108152867B (zh) | 输电线路的台风预警系统及方法 | |
CN112965077B (zh) | 一种基于车载激光雷达的道路巡检系统与方法 | |
CN114371260A (zh) | 一种工业企业无组织VOCs网格化监测、扩散预警及溯源方法 | |
CN113362469B (zh) | 综合城市建筑信息和地层结构的盾构隧道施工预警方法 | |
CN107907100B (zh) | 一种对轨道交通不均匀沉降进行监测的系统及方法 | |
Kheirati et al. | Low-cost infrared-based pavement roughness data acquisition for low volume roads | |
KR101967711B1 (ko) | 도시 계획 설계 시스템 | |
CN116385047B (zh) | 一种基于多维度数据分析的工程项目成本预测方法 | |
CN108171974A (zh) | 一种基于手机三角定位数据的交通出行模式判别方法 | |
CN112767575A (zh) | 一种基于智能手机的轨道交通运营期车载添乘仪及方法 | |
Quintero et al. | Statistical requirements for noise mapping based on mobile measurements using bikes | |
CN114564818A (zh) | 一种基于监测的地铁振动环境影响预测方法 | |
CN106896392B (zh) | 利用adas技术辅助定位测试的方法 | |
Bąkowski et al. | Frequency analysis of urban traffic noise | |
CN115146484A (zh) | 一种用于检测环境参数的环保监控系统及监控方法 | |
CN117115374B (zh) | 一种基于轨道交通在线监测的振动地图绘制方法 | |
CN117119588B (zh) | 一种基于Wi-Fi6技术实现车辆在轨道停车场内的定位方法 | |
CN108710104A (zh) | 用于煤矿井下巷道的目标物的实时定位的方法和系统 | |
CN109637197B (zh) | 基于概率密度的航路点繁忙等级分级方法 | |
CN116414933A (zh) | 一种城市轨道交通振动地图管理系统 | |
Zambon et al. | DYNAMAP: a new approach to real-time noise mapping | |
CN107979850B (zh) | 移动通信网络可变胶囊封装分析方法 | |
CN113984865A (zh) | 一种用于微型空气站的多级校准方法 | |
Huang et al. | Prediction of design typhoon wind speeds and profiles using refined typhoon wind field model |
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 |