CN106842953B - 一种无人直升机自适应低阶控制器 - Google Patents
一种无人直升机自适应低阶控制器 Download PDFInfo
- Publication number
- CN106842953B CN106842953B CN201710146393.0A CN201710146393A CN106842953B CN 106842953 B CN106842953 B CN 106842953B CN 201710146393 A CN201710146393 A CN 201710146393A CN 106842953 B CN106842953 B CN 106842953B
- Authority
- CN
- China
- Prior art keywords
- control
- controller
- mode controller
- controlled system
- output
- 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
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及一种无人直升机自适应低阶控制器。包括规划与辨识器,所述规划器用于监视被控***的控制输入和控制输出,当被控***的稳态控制输出不满足预设要求时,利用所述辨识器进行在线辨识并启动结构滤波器、内模控制器和双环滑模控制器进行控制器参数修正;结构滤波器,用于对所述内模控制器的滤波环节进行修正控制;内模控制器,用于对被控***的内部模型和反馈修正进行预测控制;双环滑模控制器,用于对姿态角和姿态角速度进行跟踪控制;控制分量综合模块,用于对控制分量求和,得到被控***的控制量。本发明解决存在未知有界干扰、推力误差和定位误差情况下的太空垃圾捕获***的复杂高阶动力学鲁棒控制问题,也便于处理控制约束和状态约束。
Description
技术领域
本发明涉及无人机控制领域,具体的说是一种无人直升机自适应低阶控制器。
背景技术
无人直升机***模型是高阶动力学***,设计高阶控制器一般具有与被控对象模型可比的阶次,具有不易理解,计算量大、不易实现,硬、软件中缺陷多,可靠性不高等缺陷。因此在控制***设计中,通常宁愿选用简单的线性控制器而不用复杂的控制器。只要最终性能误差保持在允许范围内,就应当寻找低阶控制器。低阶控制器具有的较好的工程可实现性与其在工业控制中广泛的应用,可以作为理论与实际的一个最佳结合点。近十年来,低阶控制器设计理论和方法成为国内外控制界的研究热点之一,国内外控制理论界学者对此类问题作了大量研究。
低阶控制器设计大体可分为三种:第一种是直接针对高阶模型设计低阶控制器,目前尚是一个基本没有解决的研究问题,Lagrange乘子法是解这类问题的潜在有用方法。第二种是先降低高阶对象的阶次,然后基于降阶对象模型设计相应的低阶控制器。这种方法潜在的问题是这样设计的低阶控制器有可能不能镇定全阶对象,因为在设计控制器时没有考虑全阶模型与降阶模型的误差信息。第三种首先设计高阶次、高性能控制器,继而对设计的控制器进行降阶。
时域的集结法、摄动法,频域的矩匹配法、Padé近似计算法、Routh近似法和连分式法等都是模型降阶的基本方法。基于误差准则的最小二乘法、极大似然法等也可达到模型简化的目的。基于状态空间的内部平衡截断法、Hankel-范数近似法、q方差等价实现法、互质因子法、时间尺度分离等。对于时域的集结法(即主导极点法),是通过选取主导极点来简化,由于极点离虚轴的远近仅仅考虑了衰减速度的快慢,而这些极点所对应的响应振幅并没有考虑进去。尤其对于阶次较高的***,在计算特征值的倒数时,会引入不可忽视的误差,造成严重的数值不稳定性。
频域的诸多方法都是以***传递函数的形式为基础的,在处理高阶传递函数模型时有很大的数值冒险性,会使数值不稳定。同样,鲁棒辨识的最小二乘法在数值计算中也存在类似的数值不稳定的缺点。因此,对于高阶状态空间形式的控制***,降阶多采用以状态空间为基础的方法。在降阶过程中,关键考虑闭环,降阶控制器要保证闭环稳定性和闭环性能损失最小。
发明内容
针对现有技术中存在的上述不足之处,本发明要解决的技术问题是提供一种无人直升机自适应低阶控制器。
本发明为实现上述目的所采用的技术方案是:一种无人直升机自适应低阶控制器,包括:
规划与辨识器,包括规划器和辨识器,所述规划器用于监视被控***的控制输入和控制输出,当被控***的稳态控制输出不满足预设要求时,利用所述辨识器进行在线辨识并启动结构滤波器、内模控制器和双环滑模控制器进行控制器参数修正;
结构滤波器,用于对所述内模控制器的滤波环节进行修正控制;
内模控制器,用于对被控***的内部模型和反馈修正进行预测控制;
双环滑模控制器,用于对姿态角和姿态角速度进行跟踪控制;
控制分量综合模块,用于对所述结构滤波器、内模控制器和双环滑模控制器输出的控制分量求和,得到被控***的控制量。
所述辨识器根据被控***的控制输入和控制输出,从一组给定的模型类中确定一个与被控***等价的模型,对不满足预设要求的被控***的参数进行修正。
所述结构滤波器输出的控制分量为:
其中,kf为滤波控制器参数,当被控***的稳态控制输出不满足预设要求时,kf=0;θ(s)为俯仰角,ωz和ξz分别为二阶微分环节的***频率和阻尼比;ξz,和ξf分别为二阶震荡环节的***频率和阻尼比;s为复频域变量。
所述内模控制器输出的控制分量为:
其中,ki为为组成内模控制器的一个惯性环节系数,kin为一个无阻尼震荡环节系数,s为复频域变量,θ(s)为俯仰角,ωd为震荡频率。
所述双环滑模控制器输出的控制分量为:
τ21(s)=-(kp+kds)θ(s)
其中,s为复频域变量,θ(s)为俯仰角,t为, ξB为***期望的阻尼,ωB为***期望的闭环***带宽。
所述
所述控制分量综合模块得到的控制量为:
τ2(s)=τ21(s)+τ22(s)+τ23(s)
其中,τ21(s)为双环滑模控制器输出的控制分量,τ22(s)为内模控制器输出的控制分量,τ23(s)为结构滤波器输出的控制分量。
所述双环滑模控制器包括内环滑模控制器和外环滑模控制器,所述内环滑模控制器跟踪姿态角速度,所述外环滑模控制器跟踪姿态角。
本发明具有以下优点及有益效果:
1、本发明针对无人直升机这样的复杂高阶非线性***,对于通过引入滑模控制(Sliding Mode Control,SMC,又称变结构控制)和时间尺度分离理论,构建自适应低阶控制器,可以解决存在未知有界干扰、推力误差和定位误差情况下的太空垃圾捕获***的复杂高阶动力学鲁棒控制问题,也便于处理控制约束和状态约束。
2、本发明将在线辨识与低阶实用控制方法相结合。结合在线辨识构建能够适应参数不确知和干扰不确定情形的自适应控制动力学模型。对外部干扰进行抑制,实现无人直升机的稳定控制。
附图说明
图1为本发明的原理图;
图2为基于时间尺度分离的双环滑模控制器的原理图;
图3为本发明方法中动态置信度匹配算法示意图;
图4为本发明方法中初始置信度及累计置信度曲线示意图。
具体实施方式
下面结合附图及实施例对本发明做进一步的详细说明。
控制对象阶次高(理论上无穷大),控制器设计却只能是低阶的。被控对象具有参数不确定且干扰不确定。控制器的基本形式为(以PD为例):
τ2(s)=τ21(s)+τ22(s)+τ23(s)
式中,τ21(s)=-(kp+kds)θ(s),
其中,τ2(s)表示被控***的控制量;τ21(s),τ22(s),τ23(s)代表被控***的控制分量;kp、kd、ki、kin、kf代表控制器参数;θ(t)代表俯仰角;ωd,ωz,ωf代表闭环***带宽;ξz,ξf代表***阻尼。控制分量τ21(s)具有PD控制形式,用来增加***阻尼,保证稳定性;控制分量τ22(s)是基于内模原理而设计,其极点与外部干扰的极点一致,用来消除外部干扰;控制分量τ23(s)是一种滤波器,主要用来稳定高频模态并消除可能引起姿态失稳模态(称之为“不稳定模态”)的影响,当不存在“不稳定模态”时,可取kf=0。
在上式中,参数kp、kd、ki、kin、kf均为正数,此外还有一些量值上的限制,以保证***的稳定性和动态品质。kp和kd的一种参考选择取决于期望的闭环***带宽ωB和期望的阻尼ξB:
阻尼ξB通常取为:
在上述低阶控制器中,有一个前提,就是要知道柔性绳系捕获***数学模型,包括绳系捕获***各阶模态参数和干扰频率。为此,一种方法是通过分析和地面试验确定模型参数,但这难免会存在误差,而且干扰模型不可能事先精确确定,因为这种干扰何时出现具有不确定性。另一种方法就是本发明的通过在线辨识确定之。本发明将利用在线辨识与低阶控制相结合,形成自适应低阶控制器,自适应低阶控制器的结构原理图见图1。
规划器用来监视***的输入和输出,给出是否需要辨识和何时进行辨识,以及根据辨识结果是否需要进行低阶控制器参数修正的决策;一般而言,当***输出稳定性和性能得到满足时,***的稳态输出满足指标要求,此时无需进行在线辨识和修正控制器;而当***输出严重超差时,就有必要进行在线辨识并进行控制器参数修正。
***辨识是指在输入和输出数据的基础上,从一组给定的模型类中,确定一个与所测***等价的模型,在线辨识的作用是根据被控对象的输入和输出得出被控参数的数学模型,在本控制器的设计过程中采用辨识器进行在线辨识,不满足控制性能指标的***参数进行修正。
内模控制是一种采用被控对象的内部模型和反馈修正的预测控制,它的主要优点是通过简单的选择一个稳定的内模控制器就可以保证闭环***的稳定,同时这种内模控制器具有较好的鲁棒性,故而内模控制器特别适合于本发明中模型未知的情况。
但是内模控制器的设计是在不考虑模型失配和扰动的前提下设计的,当模型失配和扰动存在时,闭环***不一定获得所期望的动态特性和鲁棒性。而解决这一问题的有效方法是:在该控制器加入滤波控制器,用来调节内模控制器的滤波环节。在引入滤波器后,***可以获得更好的鲁棒性。
辨识器根据规划器给出的指令执行在线辨识;低阶控制器是可调控制器,根据规划器和辨识器的结果进行修正。值得注意的是上述自适应低阶控制器并不需要在每一个采样周期进行控制器参数修正,而只是在控制***不能满足性能指标时才进行参数修正。换言之,参数修正周期加长,相应的在线辨识可以有充分时间。我们称这种自适应控制为快辨识、慢调整自适应控制。
为了进一步降阶和增强***的抗干扰能力,考虑引入时间尺度分离原则与滑膜控制器,构建时间尺度分离的双环控制器原理见图2。
双环滑模控制器的控制原理是:根据被控对象的运动规律,按照时间多重尺度摄动,将状态变量分成快变量和慢变量,***分解成为快变子***和慢变子***。由于建模误差、参数不确定以及干扰等只要影响***的快变量,所以,控制器设计的目的要在快变量影响其余变量钱使误差收敛到零。鉴于此,本设计方案采用双环滑模变结构对姿态角和姿态角速度进行跟踪控制,分别设计***鲁棒控制器。外环滑模***跟踪角速度作为虚拟输入,对期望姿态角进行跟踪控制;内环滑模***分析考虑不确定参数大扰动对***控制性能影响。这种控制器的优点是:在较强噪声干扰和大扰动存在的情况下,跟踪误差小,鲁棒性能好。
利用时间尺度分离的方法将航天器状态分成对应于姿态角的慢子***和对应于姿态角速度的快子***,从而构成内外两个控制回路,外回路跟踪给定的姿态角,内回路跟踪设计的姿态角速度。其本质是对复杂的航天器***进行降阶,降低控制器设计的复杂度。内外两个控制回路分别利用滑膜控制器增强***的抗干扰能力。
以黑鹰直升机俯仰轴的姿态控制为例对提出的自适应低阶控制器设计方法进行了仿真。此时在模型中J=77076Kgm2,第一个模态频率σ=0.11Hz、模态贡献系数K=2.3×10-7,模态形状参数φ1=3.6×10-3,φ2=4.8×10-4;“拍打”干扰输入为d=0.2sin(0.63t)Nm。
情形1:PD控制,控制参数为:kp=693675;kd=346837.5。其仿真结果如图3所示。可以看出,***稳定后姿态角仍有相同频率的小幅震荡,姿态角误差在2×10-5度量级,姿态角速度在1×10-5度/秒量级,不能满足黑鹰直升机俯仰轴的姿态控制的设计指标。
情形2:自适应内模控制,PD控制参数仍为:kp=693675;kd=346837.5。干扰频率通过在线辩识算法得出,然后在30秒处在线修正内模频率。仿真结果如图4所示。在经过开始阶段的震荡后,姿态角和姿态角速度通过自适应低阶控制迅速趋向零值,在实际项目中得到了很好的验证。
Claims (7)
1.一种无人直升机自适应低阶控制器,其特征在于,包括:
规划与辨识器,包括规划器和辨识器,所述规划器用于监视被控***的控制输入和控制输出,当被控***的稳态控制输出不满足预设要求时,利用所述辨识器进行在线辨识并启动结构滤波器、内模控制器和双环滑模控制器进行控制器参数修正;
结构滤波器,用于对所述内模控制器的滤波环节进行修正控制;
内模控制器,用于对被控***的内部模型和反馈修正进行预测控制;
双环滑模控制器,用于对姿态角和姿态角速度进行跟踪控制;
控制分量综合模块,用于对所述结构滤波器、内模控制器和双环滑模控制器输出的控制分量求和,得到被控***的控制量;
所述结构滤波器输出的控制分量为:
其中,kf为滤波控制器参数,当被控***的稳态控制输出不满足预设要求时,kf=0;θ(s)为俯仰角,ωz和ξz分别为二阶微分环节的***带宽和阻尼;ωf和ξf分别为二阶震荡环节的***带宽和阻尼;s为复频域变量。
2.根据权利要求1所述的一种无人直升机自适应低阶控制器,其特征在于,所述辨识器根据被控***的控制输入和控制输出,从一组给定的模型类中确定一个与被控***等价的模型,对不满足预设要求的被控***的参数进行修正。
3.根据权利要求1所述的一种无人直升机自适应低阶控制器,其特征在于,所述内模控制器输出的控制分量为:
其中,ki为组成内模控制器的一个惯性环节系数,kin为一个无阻尼震荡环节系数,s为复频域变量,θ(s)为俯仰角,ωd为震荡带宽。
4.根据权利要求1所述的一种无人直升机自适应低阶控制器,其特征在于,所述双环滑模控制器输出的控制分量为:
τ21(s)=-(kp+kds)θ(s)
其中,s为复频域变量,θ(s)为俯仰角, ξB为***期望的阻尼,ωB为***期望的闭环***带宽。
5.根据权利要求4所述的一种无人直升机自适应低阶控制器,其特征在于,所述
6.根据权利要求1所述的一种无人直升机自适应低阶控制器,其特征在于,所述控制分量综合模块得到的控制量为:
τ2(s)=τ21(s)+τ22(s)+τ23(s)
其中,τ21(s)为双环滑模控制器输出的控制分量,τ22(s)为内模控制器输出的控制分量,τ23(s)为结构滤波器输出的控制分量。
7.根据权利要求1所述的一种无人直升机自适应低阶控制器,其特征在于,所述双环滑模控制器包括内环滑模控制器和外环滑模控制器,所述内环滑模控制器跟踪姿态角速度,所述外环滑模控制器跟踪姿态角。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710146393.0A CN106842953B (zh) | 2017-03-13 | 2017-03-13 | 一种无人直升机自适应低阶控制器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710146393.0A CN106842953B (zh) | 2017-03-13 | 2017-03-13 | 一种无人直升机自适应低阶控制器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106842953A CN106842953A (zh) | 2017-06-13 |
CN106842953B true CN106842953B (zh) | 2019-07-19 |
Family
ID=59143453
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710146393.0A Active CN106842953B (zh) | 2017-03-13 | 2017-03-13 | 一种无人直升机自适应低阶控制器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106842953B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107505914B (zh) * | 2017-07-20 | 2020-01-14 | 西安交通大学 | 一种考虑滚珠丝杠进给***高阶动态特性的高精运动控制方法 |
CN108037764B (zh) * | 2017-11-01 | 2021-02-23 | 杭州睿杰智能空中机器人科技有限公司 | 一种无人直升机自抗扰飞行位置控制方法 |
CN108594646A (zh) * | 2018-03-12 | 2018-09-28 | 上海电力学院 | 一种基于滤波约分法的不稳定连续***辨识方法 |
CN109884895B (zh) * | 2019-03-11 | 2022-03-11 | 南京邮电大学 | 基于饱和受限情况下的无人机自适应跟踪控制算法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103197551A (zh) * | 2013-03-12 | 2013-07-10 | 南京航空航天大学 | 一种单旋翼无人飞行器的单向滑模控制方法 |
CN103955239A (zh) * | 2014-05-05 | 2014-07-30 | 南昌华梦达航空科技发展有限公司 | 一种无人直升机自适应抗振控制方法 |
CN105159083A (zh) * | 2015-09-06 | 2015-12-16 | 北京航空航天大学 | 一种双框架磁悬浮cmg框架***的高精度摩擦补偿控制方法 |
CN105607472A (zh) * | 2015-11-10 | 2016-05-25 | 江苏科技大学 | 非线性二元机翼的自适应反演滑模控制方法及装置 |
CN105676674A (zh) * | 2016-04-20 | 2016-06-15 | 北京航空航天大学 | 基于指令滤波器的无人机前轮转向控制方法 |
CN105676641A (zh) * | 2016-01-25 | 2016-06-15 | 南京航空航天大学 | 针对四旋翼无人机非线性模型的基于反步和滑模控制技术的非线性鲁棒控制器的设计方法 |
-
2017
- 2017-03-13 CN CN201710146393.0A patent/CN106842953B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103197551A (zh) * | 2013-03-12 | 2013-07-10 | 南京航空航天大学 | 一种单旋翼无人飞行器的单向滑模控制方法 |
CN103955239A (zh) * | 2014-05-05 | 2014-07-30 | 南昌华梦达航空科技发展有限公司 | 一种无人直升机自适应抗振控制方法 |
CN105159083A (zh) * | 2015-09-06 | 2015-12-16 | 北京航空航天大学 | 一种双框架磁悬浮cmg框架***的高精度摩擦补偿控制方法 |
CN105607472A (zh) * | 2015-11-10 | 2016-05-25 | 江苏科技大学 | 非线性二元机翼的自适应反演滑模控制方法及装置 |
CN105676641A (zh) * | 2016-01-25 | 2016-06-15 | 南京航空航天大学 | 针对四旋翼无人机非线性模型的基于反步和滑模控制技术的非线性鲁棒控制器的设计方法 |
CN105676674A (zh) * | 2016-04-20 | 2016-06-15 | 北京航空航天大学 | 基于指令滤波器的无人机前轮转向控制方法 |
Non-Patent Citations (1)
Title |
---|
飞翼布局无人机二阶滑模姿态跟踪鲁棒控制;谭健 等;《西北工业大学学报》;20150430;第33卷(第2期);第185-190页 |
Also Published As
Publication number | Publication date |
---|---|
CN106842953A (zh) | 2017-06-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106842953B (zh) | 一种无人直升机自适应低阶控制器 | |
Sui et al. | Finite-time filter decentralized control for nonstrict-feedback nonlinear large-scale systems | |
Wei et al. | Distributed Lyapunov-based model predictive formation tracking control for autonomous underwater vehicles subject to disturbances | |
Li et al. | Observer-based adaptive fuzzy tracking control of MIMO stochastic nonlinear systems with unknown control directions and unknown dead zones | |
Nguang et al. | H/sub/spl infin//fuzzy output feedback control design for nonlinear systems: an LMI approach | |
He et al. | A Simple Attitude Control of Quadrotor Helicopter Based on Ziegler‐Nichols Rules for Tuning PD Parameters | |
CN110376882A (zh) | 基于有限时间扩张状态观测器的预定性能控制方法 | |
CN108942924A (zh) | 基于多层神经网络的模型不确定性机械臂运动控制方法 | |
CN110196599A (zh) | 一种避碰与连接保持约束下的无人艇分布式编队控制方法 | |
CN108897226A (zh) | 基于干扰观测器的mems陀螺仪预设性能非奇异滑模控制方法 | |
CN110134018A (zh) | 一种水下多足机器人***多足协同控制方法 | |
CN106026822A (zh) | 伺服电机驱动***的惯量在线辨识方法及*** | |
CN108427288A (zh) | 一类具有时变时延的网络化线性参数变化***的h∞容错控制方法 | |
CN109507890A (zh) | 一种基于eso的无人机动态逆广义预测控制器 | |
CN110011312A (zh) | 基于内模的频率自适应锁相环建模方法 | |
CN108333933A (zh) | 一种一阶纯延迟***闭环辨识方法 | |
CN106227040A (zh) | 基于极值控制的伺服***输入补偿方法 | |
Lu et al. | Leaderless consensus of ring-networked mobile robots via distributed saturated control | |
CN107272416A (zh) | 一类线性参数变化***动态量化h∞控制方法 | |
Dokht Shakibjoo et al. | Online adaptive type-2 fuzzy logic control for load frequency of multi-area power system | |
Guo et al. | Sliding mode observe and control for the underactuated inertia wheel pendulum system | |
Zhang et al. | Investigating the positive effects of packet dropouts on network-based H∞ control for a class of linear systems | |
Ding et al. | Type-2 fuzzy logic control for underactuated truss-like robotic finger with comparison of a type-1 case 1 | |
CN110176776A (zh) | 一种基于鲁棒自适应评价设计的静止无功补偿器控制方法 | |
Kumar et al. | Lyapunov fuzzy Markov game controller for two link robotic manipulator |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20190621 Address after: 311121 Room 401, Building 9, 1818-2 Wenyi West Road, Yuhang Street, Hangzhou City, Zhejiang Province Applicant after: Hangzhou Ruijie Intelligent Air Robot Technology Co., Ltd. Address before: 330038 Room 202, Building 2, 696 Fenghe South Avenue, Honggutan New District, Nanchang City, Jiangxi Province Applicant before: Jia Jie |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |