CN204113701U - 一种矿井风机在线监测与故障诊断系统 - Google Patents
一种矿井风机在线监测与故障诊断系统 Download PDFInfo
- Publication number
- CN204113701U CN204113701U CN201420409136.3U CN201420409136U CN204113701U CN 204113701 U CN204113701 U CN 204113701U CN 201420409136 U CN201420409136 U CN 201420409136U CN 204113701 U CN204113701 U CN 204113701U
- Authority
- CN
- China
- Prior art keywords
- data
- monitoring
- fan
- module
- 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.)
- Expired - Fee Related
Links
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Abstract
本实用新型提供一种矿井风机在线监测与故障诊断系统,尤其是一种基于LabVIEW平台的远程实时监测与诊断系统,该系统包括:安装于风机各个监测点上的振动速度传感器以获得风机振动状态模拟数据;与传感器相连的用以完成传感器数据预处理的信号调理设备;与信号调理设备相连的端子板及PCI数据采集卡,数据采集卡插入工业控制计算机的PCI总线插槽内,用于在计算机控制下完成多路传感器信号的采集工作,在作为控制核心的工业控制计算机上安装有本地监测与诊断软件,同时在远程终端上安装有远程监测与诊断软件。该系统实现了风机振动信号实时采集,设备运行状态动态监测,设备运行正常值、预报警值和停机范围值的设置、显示和报警提示,根据设备运行情况通过层次分析法进行诊断,得出故障发生概率,建立有线通讯网络,利用共享变量技术共享数据信息,实现异地实时监测与诊断。本实用新型能够提高大量数据处理的能力,实现风机运行状态本地与远程的监测和模糊故障诊断。
Description
技术领域
本实用新型涉及一种矿井风机在线监测与故障诊断系统。
背景技术
矿井风机是用于向井下输送新鲜空气,并将有害、有毒气体以及粉尘从井下带走,保证井下工作顺利进行,保证工作人员的人身安全。据统计,70%以上的煤矿事故是由于通风设备出现故障致使通风不良,通风管理不善等原因造成的,而煤矿事故的发生不仅会给企业带来经济损失,严重时更会危及工作人员的生命安全,产生恶劣的社会影响。目前矿山设备的检修模式多是采用传统的定期维修,即对机器的检修是按周期进行的,到了规定时间,不论机器有无故障都要对全部机器进行拆机检修,而未到规定时间,机械运转出现些小的毛病,有时也会持续运转。这种维修方式不仅会造成维修过剩、降低设备的利用率、影响经济效益,而“带病”运行很有可能造成重大事故。另外定期维修还会增加设备的总体故障率,有许多案例说明,原本稳定的设备,经过维修反而更易出现故障,这是因为维修之前系统本身处于稳定的状态,然而经过维修拆装,进行再组合时,安装精度已达不到原来的要求。此外,目前的诊断通常根据某种诊断方法给出唯一的诊断结论,忽略了多重故障发生的可能,造成诊断结果单一、绝对化。
发明内容
本实用新型目的在于提供一种矿井风机在线监测与故障诊断系统,以先进的故障监测与诊断技术,完成传统维修方式的改进,实现按状态维修;通过本系统实现风机振动信号实时采集,设备运行状态动态监测,设备运行正常值、预报警值和停机范围值的设置、显示和报警提示;根据设备运行情况利用层次分析法进行诊断,得出故障发生概率,改变传统的单一诊断结论。
为解决上述问题,本实用新型提供一种矿井风机在线监测与故障诊断系统,包括:
安装于风机各个监测点上的振动传感器以获得风机振动状态模拟数据;
与传感器相连的用以完成传感器数据预处理的信号调理设备;
与信号调理设备相连的端子板及数据采集卡,采集经调理后的模拟数据,将模拟数据经A/D转换成数字数据;
数据采集卡插入工业控制计算机的PCI总线插槽内,用于在计算机控制下完成多路传感器信号的采集工作,在作为控制核心的工业控制计算机上安装有本地监测与诊断软件,同时在远程终端上安装有远程监测与诊断软件。内含采集控制模块、实时监测模块、在线诊断模块、信息管理模块和网络发布模块,实现风机振动信号实时采集,设备运行状态动态监测,设备运行正常值、预报警值和停机范围值的设置、显示和报警提示,根据设备运行情况通过层次分析法进行诊断,得出故障发生概率,建立有线通讯网络,利用共享变量技术共享数据信息,实现异地实时监测与诊断。
进一步,在上述系统中,所述传感器为振动速度传感器和霍尔传感器,振动速度传感器获取风机振动模拟数据,霍尔传感器获取风机运行位置数据;选择风机电机输出端、风机转子前端和后端作为振动监测点,每点分别设置横向和纵向监测点;转轴某一位置安装磁钢片,作为信号起始位置,霍尔传感器具该位置10mm安装。
进一步,在上述系统中,所述信号调理设备为振动烈度监控仪,具有信号放大、滤波功能,可进行有效值线性检波计算,计算值通过硬件显示屏显示以及预警报警设定、指示。
进一步,在上述系统中,所述数据采集设备为PCI数据采集卡,可实现多通道高速同步采集。
进一步,在上述系统中,所述软件系统包含采集控制模块、实时监测模块、在线诊断模块、信息管理模块和网络发布模块。
进一步,在上述系统中,所述采集控制模块控制采集卡进行数据采集与转换,并对数据进行预处理;通过采集模块可实现采集方式控制、过程参数及通道设置、采集设备功能设置,实现自动采集;所述实时监测模块对单机振动测点实现监测,包括实时烈度值、烈度级别、预警报警状态监控,实现了振动烈度的仪表显示、趋势显示和时域信号显示三种显示界面切换,并且可对监控设备进行人工切换;所述现场诊断模块对设备各振动测点进行实时数据诊断和历史数据诊断,诊断过程依据时域分析、频域分析、稳定性分析和轴心轨迹分析过程及其所对应的22种征兆参量,利用多目标层次分析法、模糊综合评判法,定量计算故障权重矩阵,与征兆参量结合给出各种故障发生的概率;诊断结果可以Word文本形式输出;所述信息管理模块包括采样数据、用户信息、诊断信息、报警信息、参量阈值和系统信息管理;构建关联数据库保存采样数据、用户信息、诊断信息、报警信息;构建系统配置文件保存参量阈值和系统信息;根据采样数据量大的特点,设计了一种按时间距离逐段递减的数据存数方法,大幅度减小数据量。
进一步,在上述系统中,网络发布模块通过以太网,利用共享变量技术,采用C/S网络结构,实现异地数据传输;本地端兼顾网络服务器功能,远程端通过接收服务器数据,实现监控与诊断;远程端可进行信息管理操作,将信息操作结果和操作指令同时发送到服务器,服务器根据操作指令进行本地数据库修改。
在上述系统中,所述软件部分由LabVIEW软件编程实现。
与现有技术相比,本项实用新型综合采用仪表指针显示、实时趋势曲线显示、实时模拟信号显示和参数显示,提高了人机交互能力;实现了对风机按状态维修,提高了风机安全性,降低了设备保养成本;在故障类型分析及特征参量选取上达到了22个,提高了故障识别率;将层次分析法和模糊综合算法用于风机故障诊断系统。
附图说明
图1是本实用新型实施例的整体结构图;
图2是本实用新型实施例的硬件系统结构图;
图3是本实用新型实施例的软件系统功能图;
图4是本实用新型实施例的数据采集流程图;
图5是本实用新型实施例的诊断流程图。
具体实施方式
为使本实用新型的上述目的、特征更易懂,下面通过具体实施方式和附图对本实用新型做详细说明。
本实用新型提供了一种矿井风机在线监测与故障诊断系统,如图1所示,该系统由硬件系统和软件系统构成,硬件系统包括传感器2、信号调理设备3、转接端子4、采集设备5、监测与诊断软件(计算机)6;软件系统包括采集控制模块7、实时监测模块8、在线诊断模块9、信息管理模块10、网络发布模块11。本系统具体构成如下:
与风机1通讯的传感器2用于获取风机运行过程各个监测部位的模拟数据;具体来说,传感器能获取被测量部分的状态信息,并将状态信息转换成可用于测取、传输、分析处理的模拟量,通常为电压或电流值,传感器种类多样,需根据不同的监测参数选用不用的测量传感器。如图2所示,本系统根据待测设备参数和监测位置,可选振动传感器21~26,用于测取风机电机输出端、风机转子前端和后端振动信号,采集各点的电流值;可选霍尔传感器27,用于获取风机采样信号起始位置,采集开关量信号。
与传感器2中部分传感器通讯的信号调理设备3用于调理采集的模拟量,对模拟信号进行放大、滤波处理;具体地,如图2,可选振动烈度监控仪作为信号调理设备3,传感器21、22与振动烈度监控仪31通讯;传感器23、24与振动烈度监控仪32通讯;传感器25、26与振动烈度监控仪33通讯,监控仪由AC220V稳压电源供电,其具有信号放大、滤波功能,可进行有效值线性检波计算,计算值通过硬件显示屏显示以及预警报警设定、指示。
采集设备5经转接端子4与信号调理设备3通讯,采集经调理后的模拟数据,将模拟数据经A/D转换成数字数据;具体的,采集设备5的型号和类型各异,设备参数不用,采集的信号精度、信号类型不同,根据实际需要,如图2,可选用PCI数据采集卡采集振动传感器21~26经调理设备调理的模拟信号和霍尔传感器27提供的开关量信号,经量化、编码以及LSB原码转换,获取适合采集设备量程的电压信号。
与采集设备5通讯的监测与诊断系统软件(计算机)6,内含采集控制模块7、实时监测模块8、在线诊断模块9、信息管理模块10和网络发布模块11,实现风机振动信号实时采集,设备运行状态动态监测,设备运行正常值、预报警值和停机范围值的设置、显示和报警提示,根据设备运行情况通过层次分析法进行诊断,得出故障发生概率,建立有线通讯网络,利用共享变量技术共享数据信息,实现异地实时监测与诊断。
详细地,如图3,软件系统功能如下:
采集控制模块7控制采集卡进行数据采集与转换,并对数据进行预处理;通过采集控制模块7可实现采集方式控制、过程参数及通道设置、采集设备功能设置,实现自动采集;
图4所示,为数据采集流程:
步骤1:创建采集卡CreatDevice,并判断设备状态,满足判断条件(返回值≤-1)释放采集卡ReleaseDevice;
步骤2:获取设备数量GetDeviceCount,并判断设备状态,满足判断条件(返回值≤0)释放采集卡;
步骤3,配置设备参数,初始化采集卡A/D设备InitDeviceProAD,并判断设备状态,满足判断条件(返回值=0)释放采集卡;
步骤4,执行采集过程StartDeviceProAD;
步骤5,读取采集数据;
步骤6,按通道拆分、重构数据;
步骤7,数据转换成电压值;
步骤8,数据处理;
步骤9,结束一次采集,判断采集状态,若停止采集,则停止A/D设备StopDeviceProAD,释放A/D设备,ReleaseDeviceProAD,并释放采集卡,否则继续执行步骤4;
实时监测模块8对单机振动测点实现监测,包括实时烈度值、烈度级别、预警报警状态监控,实现了振动烈度的仪表显示、趋势显示和时域信号显示三种显示界面切换,并且可对监控设备进行人工切换。
在线诊断模块9对设备各振动测点进行实时数据诊断和历史数据诊断,诊断过程依据时域分析、频域分析、稳定性分析和轴心轨迹分析过程及其所对应的22种征兆参量,利用多目标层次分析法、模糊综合评判法,定量计算故障权重矩阵,与征兆参量结合给出各种故障发生的概率;诊断结果可以Word文本形式输出。
进一步,在上述系统中,所述时域分析通过对实时数据或历史数据经时域计算,得到烈度、裕度、歪度、峭度等时域指标,根据时域指标的变化确定时域分析过程征兆参量;频域分析通过提取与时域分析同一时刻的数据经FFT得到数据全局频谱,并采用EMD技术,将数据按频率由高到低分离,提取数据特征频率,确定频域分析过程征兆参量;稳定性分析从采样数据库中提取指定时间范围内的振动烈度值,以趋势图的形式表现,通过趋势图的波动情况进行稳定性分析,确定稳定性分析过程征兆参量;轴心轨迹分析提取某一监测位置的成组数据,分别将其进行数值积分,转化为振动位移值,组合后获取轴心轨迹图形,根据图形确定轴心轨迹分析过程征兆参量;将时域分析、频域分析、稳定性分析、轴心轨迹分析四种分析过程的征兆参量组合成诊断过程的征兆参量。
进一步,在上述系统中,所述诊断方法采用多目标层次分析法、模糊综合评判法,对矿井通风机进行故障诊断,通过振动信号特征分析,经概率计算提供最有可能的几种故障。故障特征分为两层即征兆层和对应特征层,利用层次分析1-9标度法计算各元素对于该层次准则的相对排序权重向量。采用根法求得权重向量,并进行归一化处理。最后进行一致性检验。
根法求权重向量方法:
权重向量归一化方法:
一致性检验方法:
计算比较判断矩阵中各列元素之和,得到向量S=(s1,s2,…,sn),其中si是第i列的各元素之和;计算λmax的值,与随机指标λ′max比较,当λmax<λ′max时求得的权重向量为有效值,并且满足一致性检验。
λmax的计算方法:
信息管理模块10包括采样数据、用户信息、诊断信息、报警信息、参量阈值和系统信息管理;构建关联数据库保存采样数据、用户信息、诊断信息、报警信息;构建系统配置文件保存参量阈值和系统信息;根据采样数据量大的特点,设计了一种按时间距离逐段递减的数据存数方法,大幅度减小数据量。
网络发布模块11通过以太网,利用共享变量技术,采用C/S网络结构,实现异地数据传输;本地端兼顾网络服务器功能,远程端通过接收服务器数据,实现监控与诊断;远程端可进行信息管理操作,将信息操作结果和操作指令同时发送到服务器,服务器根据操作指令进行本地数据库修改。
专业人员可以进一步意识到,结合本说明书公开的实施例描述的各模块功能及相关算法、步骤,可通过硬件、软件或二者结合实现,在上述说明中一般性的阐述了各模块的组成和步骤,上述功能的实现取决于特定的设计条件和应用环境。专业人员可通过不同的途径实现各模块所实现的功能,但是这种实现不应认为超出本实用新型的范围。
专业人员可对本实用新型各部分进行修改、变型而不脱离本实用新型的精神范围,如果修改、变型符合本实用新型权利要求以及同等技术范围之内,则本实用新型意图包含这些改动和变型。
Claims (8)
1.一种矿井风机在线监测与故障诊断系统,其特征在于,包括:
安装于风机各个监测点上的振动传感器以获得风机振动状态模拟数据;
与传感器相连的用以完成传感器数据预处理的信号调理设备;
与信号调理设备相连的端子板及数据采集卡,采集经调理后的模拟数据,将模拟数据经A/D转换成数字数据;
数据采集卡插入工业控制计算机的PCI总线插槽内,用于在计算机控制下完成多路传感器信号的采集工作,在作为控制核心的工业控制计算机上安装有本地监测与诊断软件,同时在远程终端上安装有远程监测与诊断软件,内含采集控制模块、实时监测模块、在线诊断模块、信息管理模块和网络发布模块,实现风机振动信号实时采集,设备运行状态动态监测,设备运行正常值、预报警值和停机范围值的设置、显示和报警提示,根据设备运行情况通过层次分析法进行诊断,得出故障发生概率,建立有线通讯网络,利用共享变量技术共享数据信息,实现异地实时监测与诊断。
2.根据权利要求1所述的矿井风机在线监测与故障诊断系统,其特征在于:
所述传感器为振动速度传感器和霍尔传感器,振动速度传感器获取风机振动模拟数据,霍尔传感器获取风机振动相位信号。
3.根据权利要求1所述的矿井风机在线监测与故障诊断系统,其特征在于:
所述信号调理设备为振动烈度监控仪,具有信号放大、滤波功能,可进行有效值线性检波计算,计算值通过机旁仪表显示以及预警报警设定、指示。
4.根据权利要求1所述的矿井风机在线监测与故障诊断系统,其特征在于,所述数据采集设备为PCI数据采集卡,可实现多通道高速同步采集。
5.根据权利要求1所述的矿井风机在线监测与故障诊断系统,其特征在于,所述软件系统包含采集控制模块、实时监测模块、在线诊断模块、信息管理模块和网络发布模块。
6.根据权利要求1或权利要求5所述的矿井风机在线监测与故障诊断系统,其特征在于,所述采集控制模块控制采集卡进行数据采集与转换;所述实时监测模块对单机振动测点实现监测;所述在线诊断模块对设备各振动测点进行实时诊断和历史诊断;所述信息管理模块包括采样数据、用户信息、诊断信息、报警信息、参量阈值和系统信息管理。
7.根据权利要求书1所述的矿井风机在线监测与故障诊断系统,其特征在于,所述实时监测模块可实现指针、趋势、图表三种监测状态切换;故障类型分析及特征参量选取上达到了22个;层次分析法和模糊综合算法用于风机故障诊断系统。
8.根据权利要求1或权利要求5所述的矿井风机在线监测与故障诊断系统,其特征在于,所述网络发布模块通过以太网,利用共享变量技术,采用C/S网络结构,实现异地数据传输;本地端兼顾网络服务器功能,远程端通过接收服务器数据,实现监控与诊断;远程端可进行信息管理操作,将信息操作结果和操作指令同时发送到服务器,服务器根据操作指令进行本地数据库修改。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201420409136.3U CN204113701U (zh) | 2014-07-18 | 2014-07-18 | 一种矿井风机在线监测与故障诊断系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201420409136.3U CN204113701U (zh) | 2014-07-18 | 2014-07-18 | 一种矿井风机在线监测与故障诊断系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN204113701U true CN204113701U (zh) | 2015-01-21 |
Family
ID=52331016
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201420409136.3U Expired - Fee Related CN204113701U (zh) | 2014-07-18 | 2014-07-18 | 一种矿井风机在线监测与故障诊断系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN204113701U (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105003453A (zh) * | 2014-07-18 | 2015-10-28 | 河北联合大学 | 一种矿井风机在线监测与故障诊断系统 |
CN111665067A (zh) * | 2020-05-18 | 2020-09-15 | 中车青岛四方机车车辆股份有限公司 | 轨道车辆空调状态监测系统与监测方法 |
CN111860034A (zh) * | 2019-04-24 | 2020-10-30 | 广州煜煊信息科技有限公司 | 一种家庭事故处理方法 |
CN113916302A (zh) * | 2021-10-28 | 2022-01-11 | 承德睿民科技有限公司 | 一种基于人工智能技术的天车在线检测诊断系统及方法 |
CN114861540A (zh) * | 2022-05-12 | 2022-08-05 | 安徽理工大学 | 一种基于wt-cnn和声振特征融合的矿井通风机工作状态监测系统 |
CN114922841A (zh) * | 2022-06-10 | 2022-08-19 | 北京浩朴科技有限公司 | 一种风机全状态在线监测系统 |
CN115479039A (zh) * | 2022-09-10 | 2022-12-16 | 襄阳赛克斯电气股份有限公司 | 一种风机远程测控控制系统 |
CN116335977A (zh) * | 2023-03-31 | 2023-06-27 | 苏州瑞波机械有限公司 | 一种轴流式通风机、控制方法及存储介质 |
CN116517862A (zh) * | 2023-04-27 | 2023-08-01 | 淮南矿业(集团)有限责任公司煤业分公司 | 一种基于stft-cnn的矿井通风机异常诊断系统 |
-
2014
- 2014-07-18 CN CN201420409136.3U patent/CN204113701U/zh not_active Expired - Fee Related
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105003453A (zh) * | 2014-07-18 | 2015-10-28 | 河北联合大学 | 一种矿井风机在线监测与故障诊断系统 |
CN111860034A (zh) * | 2019-04-24 | 2020-10-30 | 广州煜煊信息科技有限公司 | 一种家庭事故处理方法 |
CN111665067A (zh) * | 2020-05-18 | 2020-09-15 | 中车青岛四方机车车辆股份有限公司 | 轨道车辆空调状态监测系统与监测方法 |
CN113916302A (zh) * | 2021-10-28 | 2022-01-11 | 承德睿民科技有限公司 | 一种基于人工智能技术的天车在线检测诊断系统及方法 |
CN113916302B (zh) * | 2021-10-28 | 2024-06-11 | 承德睿民科技有限公司 | 一种基于人工智能技术的天车在线检测诊断系统及方法 |
CN114861540A (zh) * | 2022-05-12 | 2022-08-05 | 安徽理工大学 | 一种基于wt-cnn和声振特征融合的矿井通风机工作状态监测系统 |
CN114922841A (zh) * | 2022-06-10 | 2022-08-19 | 北京浩朴科技有限公司 | 一种风机全状态在线监测系统 |
CN115479039A (zh) * | 2022-09-10 | 2022-12-16 | 襄阳赛克斯电气股份有限公司 | 一种风机远程测控控制系统 |
CN116335977A (zh) * | 2023-03-31 | 2023-06-27 | 苏州瑞波机械有限公司 | 一种轴流式通风机、控制方法及存储介质 |
CN116335977B (zh) * | 2023-03-31 | 2023-12-29 | 苏州瑞波机械有限公司 | 一种轴流式通风机、控制方法及存储介质 |
CN116517862A (zh) * | 2023-04-27 | 2023-08-01 | 淮南矿业(集团)有限责任公司煤业分公司 | 一种基于stft-cnn的矿井通风机异常诊断系统 |
CN116517862B (zh) * | 2023-04-27 | 2024-02-27 | 淮南矿业(集团)有限责任公司煤业分公司 | 一种矿井通风机异常诊断系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105003453A (zh) | 一种矿井风机在线监测与故障诊断系统 | |
CN204113701U (zh) | 一种矿井风机在线监测与故障诊断系统 | |
CN107941537B (zh) | 一种机械设备健康状态评估方法 | |
US9996405B2 (en) | Embedded prognostics on PLC platforms for equipment condition monitoring, diagnosis and time-to-failure/service prediction | |
CN104614179B (zh) | 一种风电机组齿轮箱状态监测方法 | |
CN101799674B (zh) | 一种数控装备服役状态分析方法 | |
CN111209934B (zh) | 风机故障预报警方法及系统 | |
CN113110386A (zh) | Gis/gil设备机械振动状态在线监测及机械故障云诊断系统 | |
CN103901882A (zh) | 一种列车动力系统在线监控故障诊断的系统及其方法 | |
CN106017551A (zh) | 一种智能化输电线路综合监测分析预警方法 | |
CN108399277B (zh) | 一种基于温度与应变关联性的桥梁损伤识别方法 | |
CN105571638A (zh) | 一种机械设备故障组合预测系统及方法 | |
CN104573850A (zh) | 一种火电厂设备状态评估方法 | |
CN104390657A (zh) | 一种发电机组运行参数测量传感器故障诊断方法及系统 | |
CN107886171B (zh) | 一种基于pmu数据的断路器状态在线诊断方法及系统 | |
CN114723285B (zh) | 一种电网设备安全性评估预测方法 | |
CN202676203U (zh) | 大型泵站状态监测与诊断及能效管理装置 | |
CN104737029A (zh) | 用于监视具有周期性行为的电性连接系统的系统及方法 | |
CN103631681A (zh) | 一种在线修复风电场异常数据的方法 | |
CN103163389A (zh) | 智能母线在线监测及状态评估系统 | |
CN102179722A (zh) | 基于比例故障率模型的数控机床运行可靠性评估方法 | |
CN111125895B (zh) | 一种风力发电机整机服役功率特性在线评估方法 | |
CN111322082B (zh) | 一种tbm滚刀状态监测及故障诊断方法、系统 | |
CN111260822A (zh) | 一种基于大数据的轨道交通车辆健康状态分析方法及终端 | |
CN104122086A (zh) | 基于Kriging模型的风力机齿轮箱故障诊断方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150121 Termination date: 20150718 |
|
EXPY | Termination of patent right or utility model |