JP7409653B2 - 不釣合い修正システムおよび不釣合い修正方法 - Google Patents
不釣合い修正システムおよび不釣合い修正方法 Download PDFInfo
- Publication number
- JP7409653B2 JP7409653B2 JP2020048135A JP2020048135A JP7409653B2 JP 7409653 B2 JP7409653 B2 JP 7409653B2 JP 2020048135 A JP2020048135 A JP 2020048135A JP 2020048135 A JP2020048135 A JP 2020048135A JP 7409653 B2 JP7409653 B2 JP 7409653B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- unbalance
- correction
- information
- effect
- 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
- 238000012937 correction Methods 0.000 title claims description 267
- 238000000034 method Methods 0.000 title claims description 12
- 230000000694 effects Effects 0.000 claims description 114
- 238000010801 machine learning Methods 0.000 claims description 50
- 238000005259 measurement Methods 0.000 claims description 30
- 238000013528 artificial neural network Methods 0.000 claims description 21
- 238000012549 training Methods 0.000 claims description 13
- 238000012986 modification Methods 0.000 claims description 7
- 230000004048 modification Effects 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 19
- 210000002569 neuron Anatomy 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 2
- 238000003801 milling Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Landscapes
- Testing Of Balance (AREA)
Description
前記学習手段により生成される前記学習済モデルが、前記相対角度差情報および前記効果データ角度誤差情報をさらなる前記教師データとした学習により生成されて、前記不釣合い効果データと前記修正データと前記相対角度差と前記不釣合い効果データの角度誤差との対応関係を表すものであってよい。
データ決定手段(41)が、所定のロータの不釣合いの測定結果である不釣合いデータおよび所定のロータの相対角度差を、前記学習手段により生成された前記学習済モデルに入力し、当該学習済モデルから出力される前記修正データおよび前記不釣合い効果データの角度誤差を、当該所定のロータの不釣合いデータおよび所定のロータの相対角度差にそれぞれ対応する修正データおよび不釣合い効果データの角度誤差として決定してもよい。
前記制御装置が、前記データ決定手段によって決定された修正データおよび不釣合い効果データの角度誤差に基づいて、所定のロータに対して修正機を用いて不釣合い修正を行ってもよい。
また、この発明は、ロータを修正するための修正データに関する情報である修正データ情報と、当該修正データを用いて当該ロータを修正した後の効果を表す不釣合い効果データに関する情報である効果データ情報とを含むデータセットを取得するデータセット取得工程と、前記修正データ情報および前記効果データ情報を教師データとして、前記不釣合い効果データと前記修正データとの対応関係を表す、3層以上のニューラルネットワークの学習済モデルを、機械学習により生成する学習工程と、所定のロータの不釣合いの測定結果である不釣合いデータに対応する前記修正データを、生成された前記学習済モデルに基づいて決定する修正データ決定工程と、前記修正データ決定工程によって決定された前記修正データに基づいて、前記所定のロータに対して不釣合い修正を行う不釣合い修正工程とを含むことを特徴とする、不釣合い修正方法を提供する。
不釣合い修正および測定システムは、不釣合い測定装置2と、不釣合い修正装置3と、修正データ作成装置4とを含む。不釣合い修正装置3および修正データ作成装置4が、不釣合い修正システム1に含まれる。不釣合い修正および測定システムは、ロータ搬送装置(図示しない)をさらに含む。
不釣合い修正装置3は、修正機31と、修正機31の修正動作を制御する制御装置32とを含む。
次に、修正機31を用いた不釣合い修正について説明する。図2は、ロータ11に対する不釣合い修正の仕方を説明するための図である。図2(a)にはロータ11の側面を示し、図2(b)にはロータ11の背面14を示している。ロータ11として、ターボチャージャ用タービンロータを例にとって、不釣合い修正システム1を用いて行われる不釣合い修正の仕方の一例について説明をする。なお、実際のターボチャージャ用タービンロータにはタービン翼が付いているが、図2(a)および図2(b)では簡易図としている。
不釣合い修正装置3の制御装置32は、CPU等の演算部、記憶デバイス、タイマー等を含んだマイクロコンピューターによって構成されている。
不釣合い修正装置3で不釣合い修正された後のロータ11に対して、不釣合い測定装置2において2回目の不釣合い測定が行われることがある。その結果、不釣合いがあれば、2回目の不釣合い修正が、不釣合い修正装置3において行われる。このとき、初回の不釣合い修正の場合と同様に、不釣合い測定装置2から不釣合い修正装置3の制御装置32に、2回目の測定における不釣合いデータ(不釣合い量および不釣合い角度)と、その不釣合いデータに対応する修正データ(修正角度位置および修正量)とが送られる。
初期不釣合いデータAは、不釣合い測定装置2における1回目の計測で測定された不釣合いデータ(不釣合い量および不釣合い角度)である。
残留不釣合いデータBは、不釣合い測定装置2における2回目の計測で測定された不釣合いデータ(不釣合い量および不釣合い角度)である。
修正データ演算部21は、不釣合いデータの大きさと修正データとの対応関係を表す修正曲線を保持しており、その修正曲線を参照しながら、1回目の計測で測定された不釣合いデータ(不釣合い量および不釣合い角度)に対応する修正データ(修正角度位置および修正量)を演算により決定している。
図1の不釣合い修正および測定システムは、修正機31の直近の状態を反映した正確な修正データを作成する修正データ作成装置4を、不釣合い測定装置2の修正データ演算部21とは別に設けている。
図1および図4を参照して、修正データ作成装置4は、制御部(修正データ決定手段、データ決定手段、データセット取得手段)41と、記憶部42と、通信部43とを含む。記憶部42は、不揮発性メモリやハードディスクドライブといった記憶デバイスによって構成されている。
データセット記憶部421には、初期不釣合いデータ(効果データ情報)A、残留不釣合いデータ(効果データ情報)B、および初期修正データ(修正データ情報)Cが記憶される。データセット記憶部421には、ロータ11のロータタイプ別に、複数のデータセット記憶領域421aが設けられており、個々のデータセット記憶領域421aに、共通のロータ11のロータタイプの初期不釣合いデータA、残留不釣合いデータBおよび初期修正データCが記憶される。不釣合い修正装置3の制御装置32から送信されてくる、初期不釣合いデータA、残留不釣合いデータBおよび初期修正データCの個々のデータセット記憶領域421aへの振り分けは、これら3つのデータと共に修正データ作成装置4に送られてくるロータタイプデータを目印に行われる。
データセット記憶部421の個々のデータセット記憶領域421aは、初期不釣合いデータA、残留不釣合いデータBおよび初期修正データCからなるデータセットを、最大でたとえば50個(最大数)まで記憶可能である。具体的には、個々のデータセット記憶領域421aには、データセットを記憶するための記憶エリアが50個設けられている。これらの記憶エリアを、たとえば、第1のエリア、第2のエリア、第3のエリア、第4のエリア、・・・、第50のエリアということにする。図5のデータセット記憶領域421aの左端の番号が、記憶エリアの番号である。データセット記憶領域421aに、対応するロータ11のロータタイプのデータセットが記憶される場合には、番号が小さい記憶エリアから順にデータセットが記憶される。
図5を参照して説明したように、データセット記憶部421にデータセットが新規記憶されると、新規記憶に相当する個数分の古いデータセットが、データセット記憶部421から消去される。すなわち、データセット記憶部421においてデータセットが更新される(図6のステップS1)。
機械学習部471による機械学習は、教師あり学習の手法によって行われる。機械学習部471は、データセット記憶部421に記憶されている全て(たとえば50個)のデータセット(初期不釣合いデータA、残留不釣合いデータBおよび初期修正データC)を読み出し、これら全てのデータセットを教師データとして用いて機械学習を行う(学習工程)。
図7の例では、入力層101および出力層102に1つのニューロン101a,102aが示され、隠れ層103に複数(図7の例では7つであるが、2つ以上であれば6つ以内であってもよいし、8つ以上であってもよい)のニューロン103aが示されている。機械学習部471による機械学習において、不釣合い効果データの大きさDが入力層101に入力され、かつ出力層102から初期修正データCが出力される。不釣合い効果データの大きさDは、前述のように、初期不釣合いデータAと残留不釣合いデータBとの差分のデータの大きさである。そして、出力データの誤差が最小になるように機械学習が行われる。機械学習により、入力層101のニューロン101aと隠れ層103の個々のニューロン103aとの間の重み付けの値、隠れ層103の個々のニューロン103aと出力層102のニューロン102aとの間の重み付けの値、隠れ層103の個々のニューロン103aの閾値、および出力層102のニューロン102aの閾値が、それぞれ調整される。学習済のニューラルネットワーク100、つまり学習済モデルが、学習済モデル記憶部422に記憶される(図6のステップS3)。学習済モデル記憶部422は、学習済モデルをロータ11のロータタイプ別に記憶する。
不釣合い修正装置3が、不釣合い測定装置2の修正データ演算部21から与えられる修正データではなく、修正データ作成装置4によって作成された修正データを用いて、あるロータ11に不釣合い修正を施す場合を説明する。
図9は、修正データ作成装置4の制御部41による修正データの作成を説明する流れ図である。
そして、不釣合い修正に用いられた修正データは、今回のロータ11のロータタイプデータおよび初期修正データCと共に、図1に示すように、不釣合い修正装置3の制御装置32から修正データ作成装置4に送信される。この修正データ作成装置4は、修正対象のロータ11の初期不釣合いデータAおよび残留不釣合いデータBと共にデータセットとしてデータセット記憶部421に記憶され、それ以降のニューラルネットワーク100の機械学習に用いられる。
ロータ11のロータ軸(図示しない)の先端には、修正対象部としてのナット201(たとえば六角ナットや十角ナット)が取り付けられている。ナット201は、回転中心から半径方向外端までの距離が方位によって異なっている。ナット201を切削することにより、ロータ11に対して不釣合い修正を施す場合について検討する。
図11は、初期不釣合いデータAと、残留不釣合いデータBと、不釣合い効果データの大きさDと、不釣合い効果データの角度誤差Eとの関係を示す図である。図3において説明済みの箇所は、説明を省略する。
不釣合い修正装置3の制御装置32は、ロータ11に対する1回目の修正動作に関して、ロータ11に対する相対角度差θを、初期不釣合いデータAおよび初期修正データCと共に取得する。不釣合い修正装置3の制御装置32は、ロータ11のロータタイプデータに紐付けて、初期不釣合いデータA、残留不釣合いデータBおよび初期修正データCと共に、相対角度差θを保持している。
データセット記憶部421においてデータセットが更新されると、(図6のステップS1)。機械学習部471(図4参照)によるニューラルネットワーク100Aの機械学習が実行される(図6のステップS2)。機械学習部471は、データセット記憶部421に記憶されている全て(たとえば50個)のデータセット(初期不釣合いデータA、残留不釣合いデータB、初期修正データCおよび相対角度差θ)を読み出し、これら全てのデータセットを教師データとして用いて機械学習を行う。
不釣合い修正装置3の制御装置32は、修正データの出力の要求に併せ、ロータ11の不釣合いデータと、そのロータ11の相対角度差θと、そのロータ11のロータタイプデータとを、修正データ作成装置4に送信する。
たとえば、修正データ作成装置4が、不釣合い修正装置3の制御装置32から、不釣合い効果データの大きさDや不釣合い効果データの角度誤差Eを直接取得するようにしてもよい。また、修正データ作成装置4が、初期不釣合いデータAや初期修正データCを、不釣合い測定装置2から直接取得するようにしてもよい。
図7や図13のニューラルネットワーク100,100Aの入力層101に初期修正データCが入力され、不釣合い効果データの大きさDが出力層102から出力されてもよい。同様に、不釣合い効果データの角度誤差Eが入力層101に入力され、出力層102から相対角度差θが出力されてもよい。
この発明は、以上の実施形態の内容に限定されるものではなく、請求項に記載の範囲内において種々の変更が可能である。
3 :不釣合い修正装置
4 :修正データ作成装置
11 :ロータ
31 :修正機
32 :制御装置
41 :制御部(修正データ決定手段、データセット取得手段)
100 :ニューラルネットワーク
100A :ニューラルネットワーク
101 :入力層
102 :出力層
421 :データセット記憶部(データセット記憶手段)
471 :機械学習部(学習手段)
A :初期不釣合いデータ(効果データ情報)
B :残留不釣合いデータ(効果データ情報)
C :初期修正データ(修正データ情報)
D :不釣合い効果データの大きさ(効果データ情報)
DS1 :第1のデータセット
DS2 :第2のデータセット
E :不釣合い効果データの角度誤差
θ :相対角度差
Claims (5)
- 所定のロータを修正するための修正データに関する情報である修正データ情報と、前記修正データを用いて前記所定のロータを修正した後の効果を表す不釣合い効果データに関する情報である効果データ情報とを含むデータセットであって複数のデータセットを、予め定める最大数を上限として記憶するためのデータセット記憶部と、
前記修正データ情報および前記効果データ情報を取得して、前記データセット記憶部に記憶させるデータセット取得手段と、
前記データセット記憶部に記憶されている前記修正データ情報および前記効果データ情報を教師データとして、前記所定のロータについて前記不釣合い効果データと前記修正データとの対応関係を表す、3層以上のニューラルネットワークの学習済モデルを、機械学習により生成する学習手段と、
前記所定のロータの不釣合いの測定結果である不釣合いデータを、前記学習手段により生成された前記学習済モデルに入力し、当該学習済モデルから出力されるデータを、前記不釣合いデータに対応する前記修正データとして決定する修正データ決定手段と、
不釣合い修正を行うための修正機と、
前記修正データ決定手段によって決定された前記修正データに基づいて、前記所定のロータに対して前記修正機を用いて不釣合い修正を行う制御装置とを含み、
前記データセット記憶部が、複数の前記データセットのうち一部の前記データセットを書き換え不能データセットとして書き換え不能に、かつそれ以外の前記データセットを先入れ先出しで書き換え可能に記憶し、
前記書き換え不能データセットが、前記不釣合い効果データの大きさが零または零に近い少なくとも1つの第1のデータセット、および前記不釣合い効果データの大きさが所定の最大値または最大値に近い少なくとも1つの第2のデータセットを含むことを特徴とする、不釣合い修正システム。 - 回転中心から半径方向外端までの距離が方位によって異なる修正対象部を有する所定のロータを修正するための修正データに関する情報である修正データ情報と、前記所定のロータの回転方向基準位置に対する前記修正対象部の相対角度差に関する情報である相対角度差情報と、前記修正データを用いて前記所定のロータを修正した後の効果を表す不釣合い効果データに関する情報である効果データ情報と、前記不釣合い効果データの角度誤差に関する情報である効果データ角度誤差情報とを含むデータセットを取得するデータセット取得手段と、
前記データセット取得手段が取得した、前記修正データ情報、前記相対角度差情報、前記効果データ情報および前記効果データ角度誤差情報を教師データとして、前記不釣合い効果データと前記修正データと前記相対角度差と前記不釣合い効果データの前記角度誤差との対応関係を表す、3層以上のニューラルネットワークの学習済モデルを、機械学習により生成する学習手段と、
前記所定のロータの不釣合いの測定結果である不釣合いデータおよび前記所定のロータの前記相対角度差を、前記学習手段により生成された前記学習済モデルに入力し、当該学習済モデルから出力される前記修正データおよび前記不釣合い効果データの前記角度誤差を、前記所定のロータの前記不釣合いデータおよび前記所定のロータの前記相対角度差にそれぞれ対応する前記修正データおよび前記不釣合い効果データの前記角度誤差として決定するデータ決定手段と、
不釣合い修正を行うための修正機と、
前記データ決定手段によって決定された前記修正データおよび前記不釣合い効果データの前記角度誤差に基づいて、前記所定のロータに対して前記修正機を用いて不釣合い修正を行う制御装置とを含むことを特徴とする、不釣合い修正システム。 - 前記データ決定手段が、生成された前記学習済モデルに入力する前記相対角度差情報を予め定める範囲で変化させたときの前記学習済モデルからの出力に基づいて、前記修正データを決定することを特徴とする、請求項2に記載の不釣合い修正システム。
- 所定のロータを修正するための修正データに関する情報である修正データ情報と、前記修正データを用いて前記所定のロータを修正した後の効果を表す不釣合い効果データに関する情報である効果データ情報を含むデータセットであって複数のデータセットを取得し、予め定める数のデータセットを最大数として記憶可能なデータセット記憶部に記憶させるデータセット取得工程と、
前記データセット記憶部に記憶されている前記修正データ情報および前記効果データ情報を教師データとして、前記所定のロータについて前記不釣合い効果データと前記修正データとの対応関係を表す、3層以上のニューラルネットワークの学習済モデルを、機械学習により生成する学習工程と、
前記所定のロータの不釣合いの測定結果である不釣合いデータを、前記学習工程により生成された前記学習済モデルに入力し、当該学習済モデルから出力されるデータを、前記不釣合いデータに対応する前記修正データとして決定する修正データ決定工程と、
前記修正データ決定工程によって決定された前記修正データに基づいて、前記所定のロータに対して不釣合い修正を行う不釣合い修正工程とを含み、
前記データセット取得工程において、前記データセット記憶部が、複数の前記データセットの一部を書き換え不能データセットとして書き換え不能に記憶し、かつその他の前記データセットを先入れ先出しで書き換え可能に記憶し、
前記書き換え不能データセットが、前記不釣合い効果データの大きさが零または零に近い少なくとも1つの第1のデータセット、および前記不釣合い効果データの大きさが所定の最大値または最大値に近い少なくとも1つの第2のデータセットを含むことを特徴とする、不釣合い修正方法。 - 回転中心から半径方向外端までの距離が方位によって異なる修正対象部を有する所定のロータを修正するための修正データに関する情報である修正データ情報と、前記所定のロータの回転方向基準位置に対する前記修正対象部の相対角度差に関する情報である相対角度差情報と、前記修正データを用いて前記所定のロータを修正した後の効果を表す不釣合い効果データに関する情報である効果データ情報と、前記不釣合い効果データの角度誤差に関する情報である効果データ角度誤差情報とを含むデータセットを取得するデータセット取得工程と、
前記データセット取得工程により取得された、前記修正データ情報、前記相対角度差情報、前記効果データ情報および前記効果データ角度誤差情報を教師データとして、前記不釣合い効果データと前記修正データと前記相対角度差と前記不釣合い効果データの前記角度誤差との対応関係を表す、3層以上のニューラルネットワークの学習済モデルを、機械学習により生成する学習工程と、
前記所定のロータの不釣合いの測定結果である不釣合いデータおよび前記所定のロータの前記相対角度差を、前記学習工程により生成された前記学習済モデルに入力し、当該学習済モデルから出力される前記修正データおよび前記不釣合い効果データの前記角度誤差を、前記所定のロータの前記不釣合いデータおよび前記所定のロータの前記相対角度差に対応する前記修正データおよび前記不釣合い効果データの前記角度誤差として決定するデータ決定工程と、
前記データ決定工程によって決定された前記修正データおよび前記不釣合い効果データの前記角度誤差に基づいて、前記所定のロータに対して不釣合い修正を行う不釣合い修正工程とを含むことを特徴とする、不釣合い修正方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020048135A JP7409653B2 (ja) | 2020-03-18 | 2020-03-18 | 不釣合い修正システムおよび不釣合い修正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020048135A JP7409653B2 (ja) | 2020-03-18 | 2020-03-18 | 不釣合い修正システムおよび不釣合い修正方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021148579A JP2021148579A (ja) | 2021-09-27 |
JP7409653B2 true JP7409653B2 (ja) | 2024-01-09 |
Family
ID=77848375
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020048135A Active JP7409653B2 (ja) | 2020-03-18 | 2020-03-18 | 不釣合い修正システムおよび不釣合い修正方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7409653B2 (ja) |
-
2020
- 2020-03-18 JP JP2020048135A patent/JP7409653B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2021148579A (ja) | 2021-09-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2965875A2 (en) | Control method for robot apparatus, control program, computer readable recording medium, and robot apparatus | |
JP6450724B2 (ja) | 工作機械の加工プログラムの設定値を学習する機械学習装置および加工システム | |
CN109283887A (zh) | 机器学习装置、数值控制装置、数值控制系统以及机器学习方法 | |
TWI649648B (zh) | 加工機熱補償控制系統及其方法 | |
JP2020170391A (ja) | 機械学習装置および機械学習方法 | |
JP7401207B2 (ja) | ツールの状態を学習する機械学習装置、ロボットシステム、及び機械学習方法 | |
CN108214485A (zh) | 机器人控制装置、以及机器人控制方法 | |
JP2005193311A (ja) | 冗長マニピュレータの制御方法 | |
US11433537B2 (en) | Automatic path generation device | |
US6332101B1 (en) | Off-line teaching method for correcting robot model by revising teaching data on basis of difference between actual and target position | |
JP7409653B2 (ja) | 不釣合い修正システムおよび不釣合い修正方法 | |
CN111052015A (zh) | 数控系统及电动机控制装置 | |
TW201616256A (zh) | 工具機之虛擬工具機模型之至少一模型參數的決定方法及裝置 | |
JP7175403B2 (ja) | 加工プログラム変換装置、数値制御装置および加工プログラムの変換方法 | |
CN105223903A (zh) | 制造失衡少的送风翼的制造装置和制造方法 | |
US20020055805A1 (en) | Numerical control apparatus and CAM system | |
JP2017211872A (ja) | アラーム解決のためのプログラム修正支援機能を備えた数値制御装置 | |
JP7436675B2 (ja) | ロボット制御装置 | |
JP7289566B1 (ja) | 切削制御装置、切削制御方法、及び切削制御プログラム | |
JP7166488B1 (ja) | 数値制御装置、加工システム、数値制御方法および加工方法 | |
KR102640271B1 (ko) | 가공부하 기반 절삭 이송속도 최적화시스템 및 이를 이용한 절삭 이송속도 최적화방법 | |
US20140154470A1 (en) | Machining method | |
JP5169110B2 (ja) | 回転加工中心算出方法、回転加工中心算出プログラム、および回転加工中心算出装置、ならびに切削加工システム | |
JP3666947B2 (ja) | Ncデータ作成装置及びその補正データ作成方法 | |
WO2023053399A1 (ja) | 数値制御装置、加工システム、数値制御方法および加工方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230113 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20231016 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231102 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231121 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20231207 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231214 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7409653 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |