CN102840976B - 一种轧机主传动***的检测方法 - Google Patents
一种轧机主传动***的检测方法 Download PDFInfo
- Publication number
- CN102840976B CN102840976B CN201210303942.8A CN201210303942A CN102840976B CN 102840976 B CN102840976 B CN 102840976B CN 201210303942 A CN201210303942 A CN 201210303942A CN 102840976 B CN102840976 B CN 102840976B
- Authority
- CN
- China
- Prior art keywords
- main drive
- drive system
- mill main
- frequency
- duty
- 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
Landscapes
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明涉及检测方法技术领域，公开了一种轧机主传动***的检测方法包括：根据轧机主传动***的机械特性得到对应的固有特征频率以及故障特征频率；通过固有特征频率和故障特征频率建立故障代码数据库；采集轧机主传动***工作时的振动频率；将振动频率与故障代码数据库中的数据进行比对，得到分析结果。本发明实现了对轧机主传动设备的有效监测、设备运行状态分析、预测设备劣化趋势及故障诊断功能，从而解决了轧机主传动***的检测维护困难的问题。
Description
技术领域
本发明涉及检测方法技术领域，主要适用于轧机主传动***的检测方法。
背景技术
主传动设备作为轧机***的关键设备在轧制生产过程中不断承受冲击及随着设备的老化，故障处理及定期维护和检修成为生产中的重要环节。在实际生产过程中，大部分的维护检修工作往往是在设备已经出现严重损坏或故障而影响生产时进行的。这样不仅被动，而且无法快速分析出***故障的原因，增加了大量的停机时间、人力成本以及设备成本。
轧机在运行中总是会产生振动和噪声。当运行部件存在故障隐患时，往往会使振动和噪声发生某种变化，这种变化仅仅靠人的感官是很难发现的，即使发现，也是在比较严重和危险的阶段。
因此，需要提供一种能够对轧机主传动***的运行情况进行实时监控的方法，以实现对设备故障早知道、早预报、早诊断，把故障消灭在萌芽之中，从而保证生产的正常进行。
发明内容
本发明所要解决的技术问题是提供一种轧机主传动***的检测方法，它实现了对轧机主传动设备的有效监测、设备运行状态分析、预测设备劣化趋势及故障诊断功能，从而解决了轧机主传动***的检测维护困难的问题。
为解决上述技术问题，本发明提供了一种轧机主传动***的检测方法包括：
根据轧机主传动***的机械特性得到对应的固有特征频率以及故障特征频率；
对轧机主传动***的工作状态进行判断；
通过所述固有特征频率、所述故障特征频率及所述轧机主传动***的工作状态建立故障代码数据库；
采集轧机主传动***工作时的振动频率；
将所述振动频率与所述故障代码数据库中的数据进行比对，得到分析结果。
进一步地，所述通过固有特征频率、故障特征频率及轧机主传动***的工作状态建立故障代码数据库包括：先按轧机主传动***中的组件分大组，在每个大组中按所述轧机主传动***的工作状态分小组，再在每个小组中将所述固有特征频率和所述故障特征频率进行配对，不同的配对结果命名为对应的故障代码，得到所述故障代码数据库。
进一步地，所述采集轧机主传动***工作时的振动频率包括：通过振动传感器采集轧机主传动***工作时的振动频率。
进一步地，所述将振动频率与故障代码数据库中的数据进行比对，得到分析结果包括：先将所述振动频率储存在历史数据库中，再将所述历史数据库中的振动频率数据与所述故障代码数据库中的故障代码数据进行比对，得到分析结果。
进一步地，在所述采集轧机主传动***工作时的振动频率后，通过ENTEK公司的DeviceNet现场总线将所述振动频率传输到上位机中。
进一步地，所述对轧机主传动***的工作状态进行判断包括：通过电涡流传感器对轧机主传动***的转速信号进行采集，通过采集到的转速信号来判断轧机主传动***的工作状态。
进一步地，所述通过采集到的转速信号来判断轧机主传动***的工作状态包括：将所述采集到的转速信号也通过ENTEK公司的DeviceNet现场总线传输到上位机中，所述上位机对轧机主传动***的工作状态进行判断。
进一步地，还包括：所述上位机通过所述DeviceNet现场总线控制所述振动传感器和所述电涡流传感器以周期性触发采样或条件触发采样的方式对数据进行采集。
进一步地，还包括：所述上位机中的分析软件对所述转动频率数据和所述转速信号数据进行数据分析，以供人工分析。
进一步地，还包括：所述上位机还将接收到的所述转动频率和转速信号显示出来。
本发明的有益效果在于：
本发明实现了对轧机主传动设备的有效监测、设备运行状态分析、预测设备劣化趋势及故障诊断功能，从而解决了轧机主传动***的检测维护困难的问题，进而减少了轧机主传动***的故障停机时间，提高了轧机主传动***的使用效率，保证了生产效率。在另一方面，通过不断地数据积累，以及现场检修的经验积累，可以不断完善和丰富现有的故障代码数据库，从而提高了故障分析的效率和故障诊断的准确度。
附图说明
图1为本发明实施例提供的轧机主传动***的检测方法的原理图。
图2为本发明实施例提供的轧机主传动***的检测方法中测点分布图。
图3为本发明实施例提供的轧机主传动***的检测方法的结构框图。
其中，1-第一振动传感器，2-第二振动传感器，3-第三振动传感器，4-第四振动传感器，5-电涡流传感器，6-第五振动传感器，7-第六振动传感器。
具体实施方式
为进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的轧机主传动***的检测方法的具体实施方式及工作原理进行详细说明。
由图1可知，本发明提供的轧机主传动***的检测方法包括：
根据轧机主传动***的机械特性得到对应的固有特征频率以及故障特征频率；其中，机械特性包括：传动齿轮的齿数、电机的转速、传动齿轮的外径及传动齿轮的咬合频率等。在本实施例中，固有特征频率为轧机主传动***在正常工作时的工作特征频率；具体的，固有特征频率的计算公式为：其中，π为圆周率，d为传动齿轮的外径。故障特征频率为轧机主传动***在有故障时的工作特征频率。
对轧机主传动***的工作状态进行判断，具体方法为：通过电涡流传感器对轧机主传动***的转速信号进行采集，将采集到的转速信号通过ENTEK公司的DeviceNet现场总线传输到上位机的历史数据库中，上位机对轧机主传动***的工作状态进行判断。在本实施例中，轧机主传动***的工作状态包括：轧钢工作状态、非轧钢工作状态（空载工作状态）及非工作状态。
通过固有特征频率、故障特征频率及轧机主传动***的工作状态建立故障代码数据库；建立故障代码数据库的方法为：先按轧机主传动***中的组件分大组，在每个大组中按轧机主传动***的工作状态分小组，再在每个小组中将固有特征频率和故障特征频率进行配对，不同的配对结果命名为对应的故障代码，得到故障代码数据库。具体的，先按轧机主传动***中的电机、传动轴承、主动齿轮及从动齿轮等命名分大组，即电机大组、传动轴承大组等；在每个大组中按轧机主传动***的工作状态分小组，例如电机大组的在轧钢工作状态的小组、电机大组的在非轧钢工作状态的小组及电机大组的在非工作状态的小组。再在每个小组中将固有特征频率和故障特征频率进行配对，不同的配对结果命名为对应的故障代码，得到故障代码数据库。若电机大组的在轧钢工作状态的小组中的固有特征频率为40mm/s，第一故障特征频率为39mm/s，第二故障特征频率为41mm/s；若将电机大组的在轧钢工作状态的小组中的固有特征频率与第一故障特征频率进行配对，得到传动齿轮断齿的故障代码，将传动齿轮断齿的故障代码存入故障代码数据库；若将电机大组的在轧钢工作状态的小组中的固有特征频率与第二故障特征频率进行配对，得到有杂质或传动齿轮磨损的故障代码，将有杂质或传动齿轮磨损的故障代码存入故障代码数据库。
通过振动传感器采集轧机主传动***工作时的振动频率，通过ENTEK公司的DeviceNet现场总线将采集到的振动频率传输到上位机的历史数据库中。
再将历史数据库中的振动频率与故障代码数据库中的数据进行比对，并得到分析结果，再根据分析结果进行设备检修。若电机在轧钢工作状态的振动频率为39m/s，通过与电机大组的在轧钢工作状态的小组中的固有特征频率进行比对，得到传动齿轮断齿的故障结果。根据传动齿轮断齿的故障结果，对传动齿轮进行更换。若电机在轧钢工作状态的振动频率为41m/s，通过与电机大组的在轧钢工作状态的小组中的固有特征频率进行比对，得到有杂质或传动齿轮磨损的故障结果。根据有杂质或传动齿轮磨损的故障结果，对传动齿轮进行检查；若齿轮间存在杂质，则进行清理；若齿轮发生磨损，则对磨损齿轮进行更换。
由图2可知，在本实施例中，将第一振动传感器1、第三振动传感器3和第六振动传感器7径向设置在轧机主传动***的部件上，作为径向振动测点；将第二振动传感器2、第四振动传感器4和第五振动传感器6轴向设置在轧机主传动***的部件上，作为轴向振动测点。针对轧机振动的频率范围，振动传感器均采用ENTEK公司的EK-9200L（0.2-6000Hz）。由于大多数主电动机轴承表面有较厚涂层，因此为了提高电涡流传感器5的测量精度和准确度，在本实施例中，采用支架式的安装方式，将电涡流传感器5安装在轴承座支架上，作为轴位移测点，即转速相位测点。为了进一步的保证电涡流传感器5的测量精度和准确度，将电涡流传感器5的感应面对准轴承径向，并在对应的轴承表面点安装金属贴片。
由图3可知，根据轧机主传动***各部位振动信号的最大频率，在本实施例中，选用模块XM-121作为振动信号采集单元，该信号采集单元能将各振动传感器传来的振动电压信号转换为数字信号，然后通过DeviceNET及ControlNET控制总线输入至网关模块，从而通过以太网传送至上位机及服务器。通过XM-220转速测量模块将电涡流传感器5采集到的转速信号传送至上位机。
优选的，在本实施例中，上位机中的Emonitor软件可以通过以太网将控制命令输送至采集单元中，采集单元进一步通过DeviceNet现场总线控制电涡流传感器5和各振动传感器以周期性触发采样或条件触发采样的方式对数据进行采集。这样不仅能积累设备正常运行时的数据，而且能保证当设备出现异常状况时，同样能够采集到对应时间点的数据，以便于快速分析和故障处理。
进一步优选的，在本实施例中，上位机的人机界面监控软件选用罗克韦尔自动化公司的实时人机界面监控软件RSMACC。并通过RSlinx软件提供的OPC协议使RSMACC软件与现场的数据采集模块进行通信，提取出需监测和保存的数据，实时显示现场传感器的分析数据和报警状态，并海量保存历史趋势数据，使得设备管理人员能够在远程及时了解设备的运行状态和历史趋势。另外，RSlinx软件的OPC数据服务器可为工厂提供数据通信接口，设计开发者可以根据不同的工艺需求设计不同的软件画面以及不同数据分析功能，从而实现对现场设备的在线监测功能。
此外，上位机中的Emonitor分析软件还可以对接收到的转动频率数据和转速信号数据进行画面显示和数据分析，以供人工分析。在本实施例中，可以通过Emonitor提供的大量数据处理模块在软件主画面上得到对应的波形图。另外，Emonitor可以与SQL SERVER数据库实现无缝连接，通过软件配置便可轻松实现对数据的存储、调用、查找、分析等操作。
在本实施例中，上位机为计算机。
使用本发明提供的轧机主传动***的检测方法对轧机主传动***进行检测时，首先通过计算机对振动传感器和电涡流传感器5的采集方式进行设置。当机器开始工作时，振动传感器和电涡流传感器5根据要求对数据进行采集，并通过DeviceNet现场总线将采集到的数据传输到计算机进行显示。计算机还由接收到的转速信号判断轧机主传动***的工作状态；若轧机主传动***处于工作状态，则将接收到的振动数据与故障代码数据库中的数据进行逐一对比，并得到对比结果。若接收到的振动数据与故障代码数据库中的相应的数据相同，则根据对应的故障代码对设备进行检修。若判定轧机主传动***处于非工作状态，则不做对比工作。为了提高本发明提供的轧机主传动***的监测方法的实用性，可以通过调用计算机中的Emonitor分析软件的不同的数据处理模块得到采集到的数据对应的波形图，工作人员可以通过得到的波形图判断出故障，再进行相应的设备检修。
本发明提供的轧机主传动***的检测方法已在武钢二冷轧厂五连轧机组中顺利进行应用，且在线监测画面结构清晰，方便操作，用户通过点击监测点就可以查看实时的振动波形。另外，通过Emonitor软件可以深入分析各个测点的振动特征与振动状态。当***中某些测点出现振动异常时或者是有故障趋势时，我们均可以快速的发现问题，并及时解决，以避免设备发生严重故障，减少不必要的损失。在实际生产过程中，由于轧制钢板冲击较大，齿轮损耗较严重，设备故障主要集中在齿轮箱上，我们着重对齿轮箱的典型咬钢曲线和空转曲线进行采集和存储，并利用时域分析方法，把正常轧制过程的曲线与当前实时曲线对比可以发现问题。另外，我们还可以通过对非轧制匀速运行过程的持续数据采集找出设备的固有频率成分，并利用频域分析法进行频谱对比分析和瀑布图分析，找出异常的频率成分，以及时预测出设备故障和劣化趋势，将故障消灭在萌芽之中，从而保证了生产的正常进行。
需要说明的是，可以通过不断地数据积累以及现场检修的经验积累来不断完善和丰富现有的故障代码数据库，从而提高了故障分析的效率和故障诊断的准确度。
本发明提供的轧机主传动***的检测方法实现了对轧机主传动设备的有效监测、设备运行状态分析、预测设备劣化趋势及故障诊断功能，从而解决了轧机主传动***的检测维护困难的问题，进而减少了轧机主传动***的故障停机时间，提高了轧机主传动***的使用效率，保证了生产效率。
最后所应说明的是，以上具体实施方式仅用以说明本发明的技术方案而非限制，尽管参照实例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。
Claims (8)
1.一种轧机主传动***的检测方法，其特征在于，包括：
根据轧机主传动***的机械特性得到对应的固有特征频率以及故障特征频率；
对轧机主传动***的工作状态进行判断；具体地，通过电涡流传感器对轧机主传动***的转速信号进行采集，通过采集到的转速信号来判断轧机主传动***的工作状态；其中，轧机主传动***的工作状态包括：轧钢工作状态、非轧钢工作状态及非工作状态；
通过所述固有特征频率、所述故障特征频率及所述轧机主传动***的工作状态建立故障代码数据库；具体地，先按轧机主传动***中的组件分大组，在每个大组中按所述轧机主传动***的工作状态分小组，再在每个小组中将所述固有特征频率和所述故障特征频率进行配对，不同的配对结果命名为对应的故障代码，得到所述故障代码数据库；
采集轧机主传动***工作时的振动频率；
将所述振动频率与所述故障代码数据库中的数据进行比对，得到分析结果。
2.如权利要求1所述的轧机主传动***的检测方法，其特征在于，所述采集轧机主传动***工作时的振动频率包括：通过振动传感器采集轧机主传动***工作时的振动频率。
3.如权利要求1所述的轧机主传动***的检测方法，其特征在于，所述将振动频率与故障代码数据库中的数据进行比对，得到分析结果包括：先将所述振动频率储存在历史数据库中，再将所述历史数据库中的振动频率数据与所述故障代码数据库中的故障代码数据进行比对，得到分析结果。
4.如权利要求2所述的轧机主传动***的检测方法，其特征在于，在所述采集轧机主传动***工作时的振动频率后，通过ENTEK公司的DeviceNet现场总线将所述振动频率传输到上位机中。
5.如权利要求1所述的轧机主传动***的检测方法，其特征在于，所述通过采集到的转速信号来判断轧机主传动***的工作状态包括：将所述采集到的转速信号也通过ENTEK公司的DeviceNet现场总线传输到上位机中，所述上位机对轧机主传动***的工作状态进行判断。
6.如权利要求5所述的轧机主传动***的检测方法，其特征在于，还包括：所述上位机通过所述DeviceNet现场总线控制所述振动传感器和所述电涡流传感器以周期性触发采样或条件触发采样的方式对数据进行采集。
7.如权利要求6所述的轧机主传动***的检测方法，其特征在于，还包括：所述上位机中的分析软件对转动频率数据和所述转速信号数据进行数据分析，以供人工分析。
8.如权利要求7所述的轧机主传动***的检测方法，其特征在于，还包括：所述上位机还将接收到的所述转动频率和转速信号显示出来。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210303942.8A CN102840976B (zh) | 2012-08-24 | 2012-08-24 | 一种轧机主传动***的检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210303942.8A CN102840976B (zh) | 2012-08-24 | 2012-08-24 | 一种轧机主传动***的检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102840976A CN102840976A (zh) | 2012-12-26 |
| CN102840976B true CN102840976B (zh) | 2015-10-28 |
Family
ID=47368541
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201210303942.8A Active CN102840976B (zh) | 2012-08-24 | 2012-08-24 | 一种轧机主传动***的检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102840976B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103294891A (zh) * | 2013-03-23 | 2013-09-11 | 中国水利电力物资有限公司 | 一种基于历史故障数据的风电机组状态评估方法和*** |
| CN103217286A (zh) * | 2013-03-23 | 2013-07-24 | 中国水利电力物资有限公司 | 基于故障数据的风电机组传动***故障识别方法和*** |
| CN105467319A (zh) * | 2016-01-15 | 2016-04-06 | 南京信息工程大学 | 一种基于Park矢量与信息融合诊断的电机故障诊断方法 |
| CN105798703A (zh) * | 2016-06-07 | 2016-07-27 | 于法周 | 一种用于车床主传动的故障自动检测装置 |
| CN106200491A (zh) * | 2016-08-27 | 2016-12-07 | 内蒙古包钢钢联股份有限公司 | 一种轧机启车预警装置及预警方法 |
| CN108038553B (zh) * | 2017-12-13 | 2021-08-17 | 科大集智数据科技（武汉）有限公司 | 轧机设备状态在线监测与诊断***及监测诊断方法 |
| CN109596357A (zh) * | 2018-12-12 | 2019-04-09 | 北京振测智控科技有限公司 | 一种汽轮发电机组非真实转轴振动信号的辨别方法 |
| CN110779721A (zh) * | 2019-11-26 | 2020-02-11 | 徐州龙安电子科技有限公司 | 一种故障检测*** |
| CN113358201A (zh) * | 2021-05-14 | 2021-09-07 | 北京首钢自动化信息技术有限公司 | 一种轧机震动监测***和方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1430063A (zh) * | 2001-12-31 | 2003-07-16 | 岩壶卓三 | 旋转机械的异常诊断*** |
| CN101634605A (zh) * | 2009-04-10 | 2010-01-27 | 北京工业大学 | 基于混合推理和神经网络的齿轮箱故障智能诊断方法 |
| CN101672723A (zh) * | 2009-10-28 | 2010-03-17 | 北京中能联创风电技术有限公司 | 一种风电机组振动分析故障诊断方法和*** |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3609982B2 (ja) * | 2000-04-20 | 2005-01-12 | リオン株式会社 | 故障診断方法及びその装置 |
-
2012
- 2012-08-24 CN CN201210303942.8A patent/CN102840976B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1430063A (zh) * | 2001-12-31 | 2003-07-16 | 岩壶卓三 | 旋转机械的异常诊断*** |
| CN101634605A (zh) * | 2009-04-10 | 2010-01-27 | 北京工业大学 | 基于混合推理和神经网络的齿轮箱故障智能诊断方法 |
| CN101672723A (zh) * | 2009-10-28 | 2010-03-17 | 北京中能联创风电技术有限公司 | 一种风电机组振动分析故障诊断方法和*** |
Non-Patent Citations (2)
| Title |
|---|
| 基于案例推理的轧机齿轮箱故障智能诊断***;彭世春等;《机械设计与制造》;20080731(第7期);第196页第2.1节，附图1 * |
| 高速线材轧机传动***在线监测与故障诊断;高原;《万方数据知识服务平台 学位论文》;20040426;第9-18，20-22,41,54-56页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN102840976A (zh) | 2012-12-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102840976B (zh) | 一种轧机主传动***的检测方法 | |
| Crabtree et al. | Survey of commercially available condition monitoring systems for wind turbines | |
| Feng et al. | Monitoring wind turbine gearboxes | |
| CA2799402C (en) | Cycle decomposition analysis for remote machine monitoring | |
| CN105181019A (zh) | 用于旋转类机械早期故障预警分析的计算机程序产品 | |
| CN105809255A (zh) | 一种基于物联网的火电厂旋转机械健康管理方法及*** | |
| CN202119630U (zh) | 微面汽车驱动桥可靠性台架试验在线监测与故障诊断设备 | |
| CN204113701U (zh) | 一种矿井风机在线监测与故障诊断*** | |
| CN105179179A (zh) | 一种风力发电机组的全状态监测方法和*** | |
| CN103195728A (zh) | 大型风机在线监测诊断*** | |
| US20240053225A1 (en) | Method and Apparatus for Identifying an Abnormality in Mechanical Apparatus or Mechanical Component | |
| KR101166871B1 (ko) | 기계시스템 상태감시장치 및 상태감시방법 | |
| CN104549704A (zh) | 水泥行业辊压机状态监测*** | |
| EP3404502B1 (en) | Condition-based maintenance of device | |
| Kebabsa et al. | Experimental vibratory analysis of a fan motor in industrial environment | |
| CN113280910A (zh) | 一种长材生产线设备实时监测方法及*** | |
| CN205175690U (zh) | 基于dsp的风力发电机组在线故障诊断*** | |
| EP3425199B1 (en) | Data collection system and method for wind turbine power generation facility, and wind turbine power generation facility | |
| CN116448404A (zh) | 异常监测方法、装置、电子设备及计算机可读存储介质 | |
| CN114415013A (zh) | 一种工业电动机寿命预测及运维*** | |
| CN102784802A (zh) | Cvc轧机十字万向轴状态监控装置及方法 | |
| JP2003344150A (ja) | 回転機械の軸振動解析による状態診断方法及び装置 | |
| CN205401071U (zh) | 一种泥浆泵远程在线监测*** | |
| KR20120128535A (ko) | 전동기의 예방 보전 장치 | |
| KR20040036980A (ko) | 기계 상태 감시 시스템 및 그 서버 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20171010 Address after: 430084, No. 4, steel Valley, Worker Village, Qingshan District, Hubei, Wuhan Patentee after: Wuhan Steel Engineering Technology Group Communication Co., Ltd. Address before: 430080 Friendship Avenue, Hubei, Wuhan, No. 999 Patentee before: Wuhan Iron & Steel (Group) Corp. |
|
| CP03 | Change of name, title or address | ||
| CP03 | Change of name, title or address |
Address after: 430084 floor 15-22, building 4, Wuhan International Steel Logistics Service Center (Ganggu), Qingshan Town, Qingshan District, Wuhan City, Hubei Province Patentee after: Baoxin software (Wuhan) Co., Ltd Address before: 430084, No. 4, steel Valley, Worker Village, Qingshan District, Hubei, Wuhan Patentee before: Wuhan Steel Engineering Technology Group Communication Co., Ltd. |