CN117825020A - 基于振动信号分析钻机故障诊断方法、系统、设备及介质 - Google Patents
基于振动信号分析钻机故障诊断方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN117825020A CN117825020A CN202311778815.8A CN202311778815A CN117825020A CN 117825020 A CN117825020 A CN 117825020A CN 202311778815 A CN202311778815 A CN 202311778815A CN 117825020 A CN117825020 A CN 117825020A
- Authority
- CN
- China
- Prior art keywords
- vibration
- vibration data
- drilling machine
- data
- fault diagnosis
- 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.)
- Pending
Links
- 238000005553 drilling Methods 0.000 title claims abstract description 113
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000003745 diagnosis Methods 0.000 title claims abstract description 31
- 230000002159 abnormal effect Effects 0.000 claims abstract description 41
- 238000013135 deep learning Methods 0.000 claims abstract description 15
- 238000012544 monitoring process Methods 0.000 claims abstract description 13
- 238000003860 storage Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 5
- 238000005422 blasting Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Abstract
本发明公开一种基于振动信号分析钻机故障诊断方法、系统、设备及介质,包括如下步骤:通过振动传感器对钻杆顶部台车的同心点和偏心点振动进行实时监测,以获得振动数据,并将振动数据上传至云平台,其中,振动数据至少包括钻机正常工作状态下的振动数据以及异常振动数据;采用深度学习的方法对云平台上钻机正常工作状态下的振动数据进行分析,提取波形图的特征点和频率规律后,建立比对数据库,对异常振动数据进行分析后与比对数据库进行比对,以判断钻机故障类型并发出预警信号;根据预警信号发出报警信号,并将报警信号发送至报警装置,及时提醒钻机操作人员停止工作排除故障。
Description
技术领域
本发明涉及露天矿产资源开采技术领域,具体涉及一种基于振动信号分析钻机故障诊断方法、系统、设备及介质。
背景技术
穿孔爆破是露天矿开采过程中的关键工艺环节,其中穿孔是进行爆破的前提;穿孔效率会直接影响矿山的生产计划,影响穿孔效率的因素包括地质条件、钻机驾驶人员水平、钻机钻进效率、钻机钻具质量等,其中钻具的质量是直接影响钻孔效益的直接因素,一旦因为钻具的缘故发生钻机故障,会影响钻进效率和生产计划,因此对钻机在钻进过程中故障诊断对于提升钻机工作安全性和矿山开采效率具有重大的意义。
传统的钻机故障诊断是依靠钻机驾驶人员的经验和肉眼来观察,此种安全监测方式不仅浪费人力,并且不能及时发现钻机故障,从而耽误排除故障减小经济损失的最佳时间。
发明内容
本发明的目的在于克服上述技术不足,提供一种基于振动信号分析钻机故障诊断方法、系统、设备及介质,解决现有技术中钻机工作中不能及时发现钻机故障的技术问题。
为达到上述技术目的,本发明采取了以下技术方案:
第一方面、本发明提供一种基于振动信号分析钻机故障诊断方法,包括如下步骤:
通过振动传感器对钻杆顶部台车的同心点和偏心点振动进行实时监测,以获得振动数据,并将所述振动数据上传至云平台,其中,所述振动数据至少包括钻机正常工作状态下的振动数据以及异常振动数据;
采用深度学习的方法对所述云平台上钻机正常工作状态下的振动数据进行分析,提取波形图的特征点和频率规律后,建立比对数据库,对所述异常振动数据进行分析后与所述比对数据库进行比对,以判断钻机故障类型并发出预警信号;
根据所述预警信号发出报警信号,并将所述报警信号发送至报警装置。
在其中一些实施例中,所述振动传感器至少包括第一振动传感器以及第二振动传感器,其中,所述第一、第二振动传感器具备垂向、切向、径向振动监测功能;
通过所述第一振动传感器对钻杆顶部台车同心点振动进行实时监测;
通过所述第二振动传感器对钻杆顶部台车的偏心点振动进行实时监测。
在其中一些实施例中,所述第一振动传感器以及第二振动传感器安装在钻机钻杆顶部上下移动的平台小车上,其中,所述第一振动传感器安装点与钻杆轴线重合,所述第二振动传感器安装在距离钻杆轴线为L的点上。
在其中一些实施例中,所述将所述振动数据上传至云平台,包括:
将所述振动传感器存储的振动数据通过GPRS数据网络上传至云平台。
在其中一些实施例中,所述振动数据至少包括振动波形图、最大振幅、频率。
在其中一些实施例中,所述采用深度学习的方法对所述云平台上钻机正常工作状态下的振动数据进行分析,提取波形图的特征点和频率规律后,建立比对数据库,对所述异常振动数据进行分析后与所述比对数据库进行比对,以判断钻机故障类型并发出预警信号,包括:
采用深度学习的方法对钻机无故障工作过程的振动数据进行特征点提取,并对钻机钻进的特点进行分析后,建立比对数据库;
通过深度学习软件对异常振动数据进行分析后与所述比对数据库进行比对,以判断钻机故障类型并发出预警信号。
在其中一些实施例中,所述钻机故障类型至少包括卡钻、掉钻头、钻头断裂、冲击器断裂、钻杆断裂中的一种或多种。
第二方面、本发明还提供一种基于振动信号分析钻机故障诊断系统,包括:
振动数据采集模块,用于通过振动传感器对钻杆顶部台车的同心点和偏心点振动进行实时监测,以获得振动数据,并将所述振动数据上传至云平台,其中,所述振动数据至少包括钻机正常工作状态下的振动数据以及异常振动数据;
振动数据处理模块,用于采用深度学习的方法对所述云平台上钻机正常工作状态下的振动数据进行分析,提取波形图的特征点和频率规律后,建立比对数据库,对所述异常振动数据进行分析后与所述比对数据库进行比对,以判断钻机故障类型并发出预警信号;
报警模块,用于根据所述预警信号发出报警信号,并将所述报警信号发送至报警装置。
第三方面、本发明还提供一种电子设备,包括:处理器和存储器;
所述存储器上存储有可被所述处理器执行的计算机可读程序;
所述处理器执行所述计算机可读程序时实现如上所述的基于振动信号分析钻机故障诊断方法中的步骤。
第四方面、本发明还提供一种计算机可读存储介质,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如上所述的基于振动信号分析钻机故障诊断方法中的步骤。
与现有技术相比,本发明提供的基于振动信号分析钻机故障诊断方法、系统、设备及介质,首先,通过振动传感器对钻杆顶部台车的同心点和偏心点振动进行实时监测,以获得振动数据,并将振动数据上传至云平台,其中,振动数据至少包括钻机正常工作状态下的振动数据以及异常振动数据;其次,采用深度学习的方法对云平台上钻机正常工作状态下的振动数据进行分析,提取波形图的特征点和频率规律后,建立比对数据库,对异常振动数据进行分析后与比对数据库进行比对,以判断钻机故障类型并发出预警信号;最后,根据预警信号发出报警信号,并将报警信号发送至报警装置,及时提醒钻机操作人员,停止工作排除故障。
附图说明
图1是本发明提供的基于振动信号分析钻机故障诊断方法的一实施流程图;
图2是本发明提供的基于振动信号分析钻机故障诊断系统的一实施例示意图;
图3是本发明提供的基于振动信号分析钻机故障诊断程序的一实施例的运行环境示意图;
图4是本发明提供的钻机故障诊断工作示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明提供了一种基于振动信号分析钻机故障诊断方法、系统、设备及介质,可用于计算机中。本发明所涉及的方法、设备或者计算机可读存储介质既可以与上述设备集成在一起,也可以是相对独立的。
本发明提供了一种基于振动信号分析钻机故障诊断方法,可由计算机执行,具体可由该计算机的一个或者多个处理器执行。图1是本发明实施例提供的基于振动信号分析钻机故障诊断方法的流程图,请参阅图1,基于振动信号分析钻机故障诊断方法包括如下步骤:
S100、通过振动传感器对钻杆顶部台车的同心点和偏心点振动进行实时监测,以获得振动数据,并将振动数据上传至云平台,其中,振动数据至少包括钻机正常工作状态下的振动数据以及异常振动数据;
S200、采用深度学习的方法对云平台上钻机正常工作状态下的振动数据进行分析,提取波形图的特征点和频率规律后,建立比对数据库,对异常振动数据进行分析后与比对数据库进行比对,以判断钻机故障类型并发出预警信号;
S300、根据预警信号发出报警信号,并将报警信号发送至报警装置。
本实施例中,首先,通过振动传感器对钻杆顶部台车的同心点和偏心点振动进行实时监测,以获得振动数据,并将振动数据上传至云平台,其中,振动数据至少包括钻机正常工作状态下的振动数据以及异常振动数据;其次,采用深度学习的方法对所述云平台上钻机正常工作状态下的振动数据进行分析,提取波形图的特征点和频率规律后,建立比对数据库,对异常振动数据进行分析后与比对数据库进行比对,以判断钻机故障类型并发出预警信号;最后,根据预警信号发出报警信号,并将报警信号发送至报警装置,及时提醒钻机操作人员停止工作排除故障。
在一些实施例中,步骤S100中,钻机钻进过程中通过振动传感器对振动数据进行采集,其中,编号依次为N1、N2的第一振动传感器和第二振动传感器安装在钻机钻杆顶部上下移动的平台小车上,其第一振动传感器安装点与钻杆轴线重合,第二振动传感器安装在距离钻杆轴线为L的点上,其第一振动传感器对钻杆顶部台车同心点振动进行实时监测,其第二振动传感器对钻杆顶部台车的偏心点振动进行实时监测,将钻机钻杆顶部数据无线传输装置和振动传感器电源线连接至钻机司机室供电,每次钻机开始工作时自动打开电源开关,振动传感器和无线传输装置开始工作后,获得振动数据后,无线传输装置将振动传感器存储的振动数据通过GPRS数据网络传输至云平台,其振动数据至少包括三个方向的振动波形、最大振幅以及频率,其振动传感器具备数据采集、存储的功能,每个振动传感器外部具备防水防尘的外盒。
在一些实施例中,步骤S200中,利用编号N1、N2的两个振动传感器,记录钻机在无故障工作过程中顶部台车振动数据,包括钻杆中心点和偏心点的振动数据,利用数据无线传输装置将振动数据传输至云平台,云平台上,将无故障工作过程中实时测得的振动数据组成钻机无故障工作状态的振动数据库后,利用深度学习的方法,对钻机无故障工作过程的振动数据进行特征点提取,提取波形图的特征点和频率规律,并对该台钻机钻进的特点进行分析,形成一个比对数据库,用作钻机故障诊断的比对;
当钻机出现故障时,顶部平台小车振动异常,振动传感器获取监测的异常波形图、振幅、频率通过无线传输装置上传至云平台后,通过深度学习软件对异常振动数据进行分析后与比对数据库进行比对,以判断钻机故障类型并发出预警信号,其钻机故障类型至少包括卡钻、掉钻头、钻头断裂、冲击器断裂、钻杆断裂中的一种或多种。
在一些实施例中,步骤S300中,将对比结果异常发出的预警信号转换成的电子信号,激发报警装置,在报警信号的激发下,连接到钻机驾驶室的报警装置发出大分贝的声响,提醒钻机师傅停止工作排除故障。
其钻机故障诊断工作示意图,请参阅图4,如图4所示,1表示钻机,2表示钻杆,3表示轴心振动传感器即第一振动传感器,4表示偏心振动传感器即第二振动传感器,5表示振动数据上传模块,6表示故障报警装置,7表示数据信号传输,8表示数据处理中心,9表示云平台。
基于振动信号分析钻机故障诊断方法,本发明实施例还相应的提供一种基于振动信号分析钻机故障诊断系统,请参阅图2,该基于振动信号分析钻机故障诊断系统400包括振动数据采集模块410、振动数据处理模块420、报警模块430;
振动数据采集模块410,用于通过振动传感器对钻杆顶部台车的同心点和偏心点振动进行实时监测,以获得振动数据,并将振动数据上传至云平台,其中,振动数据至少包括钻机正常工作状态下的振动数据以及异常振动数据;
振动数据处理模块420,用于采用深度学习的方法对云平台上钻机正常工作状态下的振动数据进行分析,提取波形图的特征点和频率规律后,建立比对数据库,对异常振动数据进行分析后与比对数据库进行比对,以判断钻机故障类型并发出预警信号;
报警模块430,用于根据预警信号发出报警信号,并将报警信号发送至报警装置。
如图3所示,基于振动信号分析钻机故障诊断方法,本发明还相应提供了一种电子设备,该电子设备可以是移动终端、桌上型计算机、笔记本、掌上电脑及服务器等计算设备。该电子设备包括处理器10、存储器20及显示器30。图3仅示出了电子设备的部分组件,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。
存储器20在一些实施例中可以是该电子设备的内部存储单元,例如电子设备的硬盘或内存。存储器20在另一些实施例中也可以是电子设备的外部存储设备,例如电子设备上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器20还可以既包括电子设备的内部存储单元也包括外部存储设备。存储器20用于存储安装于电子设备的应用软件及各类数据,例如安装电子设备的程序代码等。存储器20还可以用于暂时地存储已经输出或者将要输出的数据。在一实施例中,存储器20上存储有基于振动信号分析钻机故障诊断程序40,该基于振动信号分析钻机故障诊断程序40可被处理器10所执行,从而实现本发明各实施例的基于振动信号分析钻机故障诊断方法。
处理器10在一些实施例中可以是一中央处理器(Central Processing Unit,CPU),微处理器或其他数据处理芯片,用于运行存储器20中存储的程序代码或处理数据,例如基于振动信号分析钻机故障诊断方法等。
显示器30在一些实施例中可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。显示器30用于显示在所述基于振动信号分析钻机故障诊断程序的识别信息以及用于显示可视化的用户界面。电子设备的部件10-30通过系统总线相互通信。
在一些实施例中,当处理器10执行存储器20中基于振动信号分析钻机故障诊断程序40时实现如上述各实施例所述的基于振动信号分析钻机故障诊断方法中的各个步骤,由于上文已对基于振动信号分析钻机故障诊断方法进行详细描述,在此不再赘述。
综上所述,本发明提供的基于振动信号分析钻机故障诊断方法、系统、设备及介质,首先,通过振动传感器对钻杆顶部台车的同心点和偏心点振动进行实时监测,以获得振动数据,并将振动数据上传至云平台,其中,振动数据至少包括钻机正常工作状态下的振动数据以及异常振动数据;其次,采用深度学习的方法对云平台上钻机正常工作状态下的振动数据进行分析,提取波形图的特征点和频率规律后,建立比对数据库,对异常振动数据进行分析后与比对数据库进行比对,以判断钻机故障类型并发出预警信号;最后,根据预警信号发出报警信号,并将报警信号发送至报警装置,及时提醒钻机操作人员,停止工作排除故障,使诊断过程更加可靠和智能化。
当然,本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关硬件(如处理器,控制器等)来完成,所述的程序可存储于一计算机可读取的存储介质中,该程序在执行时可包括如上述各方法实施例的流程。其中所述的存储介质可为存储器、磁碟、光盘等。
以上所述本发明的具体实施方式,并不构成对本发明保护范围的限定。任何根据本发明的技术构思所做出的各种其他相应的改变与变形,均应包含在本发明权利要求的保护范围内。
Claims (10)
1.一种基于振动信号分析钻机故障诊断方法,其特征在于,包括如下步骤:
通过振动传感器对钻杆顶部台车的同心点和偏心点振动进行实时监测,以获得振动数据,并将所述振动数据上传至云平台,其中,所述振动数据至少包括钻机正常工作状态下的振动数据以及异常振动数据;
采用深度学习的方法对所述云平台上钻机正常工作状态下的振动数据进行分析,提取波形图的特征点和频率规律后,建立比对数据库,对所述异常振动数据进行分析后与所述比对数据库进行比对,以判断钻机故障类型并发出预警信号;
根据所述预警信号发出报警信号,并将所述报警信号发送至报警装置。
2.根据权利要求1所述的基于振动信号分析钻机故障诊断方法,其特征在于,所述振动传感器至少包括第一振动传感器以及第二振动传感器,其中,所述第一、第二振动传感器具备垂向、切向、径向振动监测功能;
通过所述第一振动传感器对钻杆顶部台车同心点振动进行实时监测;
通过所述第二振动传感器对钻杆顶部台车的偏心点振动进行实时监测。
3.根据权利要求2所述的基于振动信号分析钻机故障诊断方法,其特征在于,所述第一振动传感器以及第二振动传感器安装在钻机钻杆顶部上下移动的平台小车上,其中,所述第一振动传感器安装点与钻杆轴线重合,所述第二振动传感器安装在距离钻杆轴线为L的点上。
4.根据权利要求1所述的基于振动信号分析钻机故障诊断方法,其特征在于,所述将所述振动数据上传至云平台,包括:
将所述振动传感器存储的振动数据通过GPRS数据网络上传至云平台。
5.根据权利要求4所述的基于振动信号分析钻机故障诊断方法,其特征在于,所述振动数据至少包括振动波形图、最大振幅、频率。
6.根据权利要求1所述的基于振动信号分析钻机故障诊断方法,其特征在于,所述采用深度学习的方法对所述云平台上钻机正常工作状态下的振动数据进行分析,提取波形图的特征点和频率规律后,建立比对数据库,对所述异常振动数据进行分析后与所述比对数据库进行比对,以判断钻机故障类型并发出预警信号,包括:
采用深度学习的方法对钻机无故障工作过程的振动数据进行特征点提取,并对钻机钻进的特点进行分析后,建立比对数据库;
通过深度学习软件对异常振动数据进行分析后与所述比对数据库进行比对,以判断钻机故障类型并发出预警信号。
7.根据权利要求6所述的基于振动信号分析钻机故障诊断方法,其特征在于,所述钻机故障类型至少包括卡钻、掉钻头、钻头断裂、冲击器断裂、钻杆断裂中的一种或多种。
8.一种基于振动信号分析钻机故障诊断系统,其特征在于,包括:
振动数据采集模块,用于通过振动传感器对钻杆顶部台车的同心点和偏心点振动进行实时监测,以获得振动数据,并将所述振动数据上传至云平台,其中,所述振动数据至少包括钻机正常工作状态下的振动数据以及异常振动数据;
振动数据处理模块,用于采用深度学习的方法对所述云平台上钻机正常工作状态下的振动数据进行分析,提取波形图的特征点和频率规律后,建立比对数据库,对所述异常振动数据进行分析后与所述比对数据库进行比对,以判断钻机故障类型并发出预警信号;
报警模块,用于根据所述预警信号发出报警信号,并将所述报警信号发送至报警装置。
9.一种电子设备,其特征在于,包括:处理器和存储器;
所述存储器上存储有可被所述处理器执行的计算机可读程序;
所述处理器执行所述计算机可读程序时实现如权利要求1-7任意一项所述的基于振动信号分析钻机故障诊断方法中的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如权利要求1-7任意一项所述的基于振动信号分析钻机故障诊断方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311778815.8A CN117825020A (zh) | 2023-12-20 | 2023-12-20 | 基于振动信号分析钻机故障诊断方法、系统、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311778815.8A CN117825020A (zh) | 2023-12-20 | 2023-12-20 | 基于振动信号分析钻机故障诊断方法、系统、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117825020A true CN117825020A (zh) | 2024-04-05 |
Family
ID=90507058
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311778815.8A Pending CN117825020A (zh) | 2023-12-20 | 2023-12-20 | 基于振动信号分析钻机故障诊断方法、系统、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117825020A (zh) |
-
2023
- 2023-12-20 CN CN202311778815.8A patent/CN117825020A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107845159B (zh) | 一种自动驾驶车辆测评系统运行监测系统 | |
US11834943B2 (en) | Systems, apparatuses, and methods for determining rock-coal transition with a drilling machine | |
CN104487377A (zh) | 起重机监视系统 | |
CN104265616B (zh) | 换流阀内冷水主循环泵运行状态在线监测与评估系统 | |
CN104773625A (zh) | 一种基于物联网的电梯健康监测系统及监测方法 | |
CN102808610A (zh) | 煤矿井下钻孔深度实时检测装置及检测方法 | |
US10082942B2 (en) | Telemetry diagnostics | |
CN117825020A (zh) | 基于振动信号分析钻机故障诊断方法、系统、设备及介质 | |
CN104199394B (zh) | 液压支架电液控制系统电源监控方法、系统及监测子系统 | |
CN203452792U (zh) | 电牵引采煤机健康度实时监测及智能评价系统 | |
CN104111884A (zh) | 故障服务器位置的判断方法 | |
CN102748006B (zh) | 井下作业远程监测系统 | |
CN109507986A (zh) | 用于油田作业设备的远程监控方法 | |
EP2458140A1 (en) | Monitoring a subsea well installation | |
CN112097858B (zh) | 一种液位传感器及其监测水位的方法 | |
CN204737522U (zh) | 一种基于物联网的电梯健康监测系统 | |
CN113653479A (zh) | 压裂施工物联网系统 | |
US11474010B2 (en) | System and method to determine fatigue life of drilling components | |
CN111003029A (zh) | 一种地铁列车维护支持系统及方法 | |
CN111143262A (zh) | 转接装置及仪器控制系统与仪器控制方法 | |
CN117328850B (zh) | 钻机控制方法、装置、终端及存储介质 | |
CN112012695B (zh) | 一种基于边缘计算的石油钻机辅助指导设备及其指导方法 | |
CN205294635U (zh) | 液压抓斗智能监测系统 | |
CN104280255A (zh) | 采煤机及其性能检测分析系统、数据监测装置和方法 | |
CN102945038A (zh) | 油井实时监控系统 |
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 |