CN111240212B - 一种基于优化预测的倾转旋翼无人机控制分配方法 - Google Patents
一种基于优化预测的倾转旋翼无人机控制分配方法 Download PDFInfo
- Publication number
- CN111240212B CN111240212B CN202010216657.7A CN202010216657A CN111240212B CN 111240212 B CN111240212 B CN 111240212B CN 202010216657 A CN202010216657 A CN 202010216657A CN 111240212 B CN111240212 B CN 111240212B
- Authority
- CN
- China
- Prior art keywords
- pseudo
- solution
- inverse
- coefficient
- actuator
- 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
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000005457 optimization Methods 0.000 title claims abstract description 13
- 239000013598 vector Substances 0.000 claims abstract description 33
- 230000008569 process Effects 0.000 claims abstract description 10
- 239000011159 matrix material Substances 0.000 claims description 23
- 229920006395 saturated elastomer Polymers 0.000 claims description 16
- 230000007704 transition Effects 0.000 claims description 10
- 230000004048 modification Effects 0.000 claims description 4
- 238000012986 modification Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 238000005096 rolling process Methods 0.000 claims 1
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005312 nonlinear dynamic Methods 0.000 description 1
Images
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
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/08—Control of attitude, i.e. control of roll, pitch, or yaw
- G05D1/0808—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft
- G05D1/0816—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft to ensure stability
- G05D1/0825—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft to ensure stability using mathematical models
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/08—Control of attitude, i.e. control of roll, pitch, or yaw
- G05D1/0808—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft
- G05D1/0816—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft to ensure stability
- G05D1/0841—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft to ensure stability to prevent a coupling between different modes
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Algebra (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Feedback Control In General (AREA)
Abstract
本发明属于无人机控制分配领域,涉及一种基于优化预测的倾转旋翼无人机控制分配方法。本发明的优化预测控制分配方法是在传统伪逆法的基础上引入零空间的概念,通过零空间向量的补偿项,拓展伪逆解的可达控制集合,从而拓展了传统伪逆法的转矩可达集合,提升了控制分配效率。针对倾转旋翼无人机过渡模态下存在的控制冗余和复杂扰动的现象,本发明的优化预测控制分配方法能够实现转矩可达集合内的完全分配,实现控制解耦,保证过渡过程的姿态稳定,提升控制效果。
Description
技术领域
本发明属于无人机控制分配领域,涉及一种基于优化预测的倾转旋翼无人机控制分配方法。
背景技术
倾转旋翼无人机结合传统直升机和固定翼飞机的优点,能够实现垂直起降,高速巡航,适用于不同的实际场景,满足不同的任务需求。但是倾转旋翼的设计对控制分配提出了更高的要求。以过渡阶段为例,就倾转旋翼无人机的姿态控制而言,旋翼和舵面都能起到控制作用,存在控制冗余的现象,而前倾的旋翼在前向和垂向上都有着分力,使得旋翼的滚转和偏航控制上存在控制耦合现象。此外由于过渡阶段存在着复杂的内外扰动现象,使得过渡过程中姿态波动较大,无人机的安全性收到威胁,因此需要运用控制分配技术解决控制冗余和控制耦合的问题,同时对期望力矩的完全分配,能提高倾转旋翼无人机的机动能力,保证过渡过程中的稳定性与安全性。
控制分配技术从原理上分为两类:线性分配算法与非线性分配算法。其中,非线性算法虽然更能适应于高维度,强非线性的问题,但是由于机载能力的限制,难以实际应用。而线性分配算法由于实现简单,在工程实际中应用广泛,但该方法不能实现转矩可达集合内的完全分配。
发明内容
针对线性分配算法不能实现转矩可达集合内完全分配的问题,本发明提供了一种基于优化预测的倾转旋翼无人机控制分配方法,本方法通过引入控制效能矩阵的零空间的补偿项,使得在满足一定假设条件下,能实现转矩可达集合的分配,提升了传统伪逆法的分配效率。
本发明提供了一种基于优化预测的倾转旋翼无人机控制分配方法,包括如下步骤:
S1:计算倾转旋翼无人机当前模态下的控制效能矩阵B;
S5:计算伪逆解系数和零空间系数;
S6:确定下一个饱和的作动器并更新优化预测解系数;
S7:判断是否遍历所有的作动器,若所有作动器饱和时的优化预测解系数都已经确定,则进行步骤S8,否则不断执行步骤S6,直至所有作动器达到饱和;
S8:查表法确定任意期望转矩下的优化预测解。
进一步,步骤S1具体过程如下:
对倾转旋翼无人机过渡过程中的控制效能矩阵进行计算。确定倾转旋翼无人机过渡走廊内的某一状态点,得到安全可靠的飞行速度V和短舱倾转角δ,在当前状态下对倾转旋翼无人机六自由度非线性动力学模型进行配平与线性化,得到小扰动状态方程:
其中,x为***状态变量;y为***输出;u为***控制输入;上标·表示一阶导数;A、Bu、C均表示常数矩阵;
提取系数矩阵Bu中的力矩系数,得到倾转旋翼无人机当前模态下的控制效能矩阵B:
其中,CL,CM,CN分别表示滚转力矩系数、俯仰力矩系数、偏航力矩系数;{δg|g=1,2,…m}表示作动器,m为作动器数量。
进一步,步骤S3具体过程如下:
进一步,步骤S4具体过程如下:
式中,表示在可达控制集合Ω内伪逆法能够输出的沿着期望力矩方向的最大力矩;表示优化预测解中的伪逆解部分;表示优化预测解中的零空间解部分;Ω为可达控制集合,其中,表示作动器位置向量,ui表示作动器i的位置,m是作动器的数量,表示m维向量空间,ulwri表示作动器i的位置下限,uupri表示作动器i的位置上限;δ(Ω)表示可达控制集合的边界;PSmin表示伪逆解的集合,Φ为转矩可达集合, 表示n维向量空间,表示转矩可达集合Φ内的力矩向量;计算使得只有一个作动器饱和的伪逆解系数a0,得到第一个饱和的作动器。
进一步,步骤S5具体过程如下:
进一步,步骤S6具体过程如下:
假定随着期望力矩幅值逐渐增大,作动器从未饱和逐渐达到全部饱和,为此需要判定饱和顺序以及饱和集合对应的伪逆解系数,求解步骤S5中的下一个作动器饱和时的伪逆解系数a1;
定义:
其中,sgn表示符号函数;
由式(6)和(7)得到作动器饱和评定参数δa0(i):
将最小的作动器饱和评定参数δa0(imin)对应的指数imin加入当前已饱和作动器集合S2,计算下一个作动器饱和时的伪逆解系数a1:
a1=a0+Δa+δa0(imin) (9)
进一步,步骤S8具体过程如下:
其中,k表示作动器全部达到饱和时的迭代次数;
1)情况:此时利用伪逆法满足位置限幅要求,因此:
3)情况:首先通过分段线性化的方式确定s:
设定等式:
其中,G为由指数i和i+1确定的优化预测解系数,C写为:
本发明的有益效果:
本发明能实现对转矩可达集合边界的寻优,从而提升传统伪逆法的分配效率,相较于一般优化方法通过设定目标优化函数,在整个控制可达集合内进行寻优的方式,本发明通过对沿着期望力矩向量方向进行寻优的方式,提升了计算速度,减轻了计算负担,具有在线寻优的能力。
附图说明
图1为本发明的基于优化预测的倾转旋翼无人机控制分配方法流程图;
图2为优化预测算法原理示意图;
图3为本发明实施例的作动器饱和趋势示意图;
图4为本发明的优化预测算法与传统伪逆法输出力矩对比图。
具体实施方式
下面结合附图和实施例进一步描述本发明,应该理解,以下所述实施例旨在便于对本发明的理解,而对其不起任何限定作用。
如图1所示,本发明的基于优化预测的倾转旋翼无人机控制分配方法包括如下步骤:
S1:计算倾转旋翼无人机过渡模态下的控制效能矩阵B;
选取倾转旋翼无人机过渡模态下短舱角度为δ=60°,速度V=16m/s,在当前状态下对倾转旋翼无人机六自由度非线性动力学模型进行配平与线性化,由小扰动方程得到系数矩阵Bu,提取控制效能矩阵B为:
作动器位置限幅为:
umax=[2.5 2.5 10 10 15 15 25 25 15 15]T
umin=[-2.5 -2.5 -10 -10 -15 -15 -25 -25 -15 -15]T
其中,umax为作动器位置上限,umin为作动器位置下限。
S4:判断第一个饱和的作动器
设:
S5:计算伪逆解系数ai和零空间系数bi
如图3所示,优化预测方法计算出的优化预测解包含两部分:伪逆解和零空间解,其中伪逆解实现期望力矩输出,零空间解对伪逆解超出可达控制集合的部分进行限制而不改变力矩输出,从而拓展转矩可达集合。
S6:确定下一个饱和的作动器并优化预测解系数更新;
计算下一个作动器饱和时对应的伪逆解系数a1;
定义:
定义每单位a0变化下最优控制解的速率改变为:
由(6)(7)两式得到δa0i:
将最小的δa0(i)对应的指数imin(imin=2)加入已饱和作动器集合S2,计算对应伪逆解系数a1:
a1=a0+Δa+δa0(i)=1.5782
S7:判断是否遍历所有的作动器
判断是否遍历所有的作动器,若所有作动器饱和时的优化预测解系数都已经确定,则进行步骤S8,否则不断执行步骤S6,直至所有作动器饱和,得到作动器的饱和顺序如图3所示;
S8:查表法确定任意期望转矩下的控制增益
其中,k表示作动器全部达到饱和时的迭代次数;
1)情况:此时伪逆法就可以满足位置限幅要求,因此:
3)情况:首先通过分段线性化的方式确定s:
设定等式:
其中,G为由指数i和i+1确定的优化预测解系数,C写为:
带入数据得到:
转矩可达集合内输出力矩对比如图4所示;
优化预测算法输出力矩:
伪逆法输出力矩:
对于本领域的普通技术人员来说,在不脱离本发明创造构思的前提下,还可以对本发明的实施例做出若干变型和改进,这些都属于本发明的保护范围。
Claims (5)
1.一种基于优化预测的倾转旋翼无人机控制分配方法,其特征在于,包括如下步骤:
S1:计算倾转旋翼无人机当前模态下的控制效能矩阵B;具体过程如下:
对倾转旋翼无人机过渡过程中的控制效能矩阵进行计算,确定倾转旋翼无人机过渡走廊内的某一状态点,得到安全可靠的飞行速度V和短舱倾转角δ,在当前状态下对倾转旋翼无人机六自由度非线性动力学模型进行配平与线性化,得到小扰动状态方程:
其中,x为***状态变量;y为***输出;u为***控制输入;上标·表示一阶导数;A、Bu、C均表示常数矩阵;
提取系数矩阵Bu中的力矩系数,得到倾转旋翼无人机当前模态下的控制效能矩阵B:
其中,CL,CM,CN分别表示滚转力矩系数、俯仰力矩系数、偏航力矩系数;{δg|g=1,2,…m}表示作动器,m为作动器数量;
S5:计算伪逆解系数和零空间系数;具体过程如下:
S6:确定下一个饱和的作动器并更新优化预测解系数;
S7:判断是否遍历所有的作动器,若所有作动器饱和时的优化预测解系数都已经确定,则进行步骤S8,否则不断执行步骤S6,直至所有作动器达到饱和;
S8:查表法确定任意期望转矩下的优化预测解。
3.根据权利要求1所述的方法,其特征在于,步骤S4具体过程如下:
4.根据权利要求1所述的方法,其特征在于,步骤S6具体过程如下:
假定随着期望力矩幅值逐渐增大,作动器从未饱和逐渐达到全部饱和,为此需要判定饱和顺序以及饱和集合对应的伪逆解系数,求解步骤S5中的下一个作动器饱和时的伪逆解系数a1;
定义:
其中,sgn表示符号函数;
由式(6)和(7)得到作动器饱和评定参数δa0(i):
将最小的作动器饱和评定参数δa0(imin)对应的指数imin加入当前已饱和作动器集合S2,计算下一个作动器饱和时的伪逆解系数a1:
a1=a0+Δa+δa0(imin) (9)
5.根据权利要求1所述的方法,其特征在于,步骤S8具体过程如下:
其中,k表示作动器全部达到饱和时的迭代次数;
1)情况:此时利用伪逆法满足位置限幅要求,因此:
3)情况:首先通过分段线性化的方式确定s:
设定等式:
其中,G为由指数i和i+1确定的优化预测解系数,C写为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010216657.7A CN111240212B (zh) | 2020-03-25 | 2020-03-25 | 一种基于优化预测的倾转旋翼无人机控制分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010216657.7A CN111240212B (zh) | 2020-03-25 | 2020-03-25 | 一种基于优化预测的倾转旋翼无人机控制分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111240212A CN111240212A (zh) | 2020-06-05 |
CN111240212B true CN111240212B (zh) | 2021-05-04 |
Family
ID=70865980
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010216657.7A Expired - Fee Related CN111240212B (zh) | 2020-03-25 | 2020-03-25 | 一种基于优化预测的倾转旋翼无人机控制分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111240212B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112198817B (zh) * | 2020-09-23 | 2022-07-12 | 峰飞航空科技(昆山)有限公司 | 无人机控制方法、装置、设备、无人机和介质 |
CN112068582B (zh) * | 2020-09-24 | 2022-02-18 | 北京航空航天大学 | 一种倾转旋翼无人机过渡模式模型辨识方法 |
CN112904876B (zh) * | 2021-01-14 | 2022-06-21 | 北京航空航天大学 | 一种考虑电机饱和的高机动微型无人机控制分配方法 |
DE102021102251A1 (de) | 2021-02-01 | 2022-08-04 | Volocopter Gmbh | Verfahren und Steuereinheit zum Steuern eines überbestimmten Systems, System und Luftfahrzeug |
CN114489144B (zh) * | 2022-04-08 | 2022-07-12 | 中国科学院自动化研究所 | 无人机自主机动决策方法、装置及无人机 |
CN116719332B (zh) * | 2023-05-22 | 2024-01-30 | 四川大学 | 一种基于倾转旋翼无人机位置和姿态的调控***及方法 |
CN118092189A (zh) * | 2024-04-22 | 2024-05-28 | 华东交通大学 | 一种可倾转六旋翼无人机的抗饱和控制分配方法及*** |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104035447A (zh) * | 2014-06-27 | 2014-09-10 | 金陵科技学院 | 基于动态控制重新分配的无人飞行器姿态容错控制方法 |
CN106990790A (zh) * | 2017-06-06 | 2017-07-28 | 成都纵横自动化技术有限公司 | 一种抗饱和多旋翼飞行器控制方法 |
CN107992080A (zh) * | 2017-12-25 | 2018-05-04 | 成都纵横自动化技术有限公司 | 控制分配方法、装置及多旋翼飞行器 |
CN108628167A (zh) * | 2018-05-08 | 2018-10-09 | 南京邮电大学 | 基于自适应分配技术的飞行控制***的容错控制方法 |
CN109270947A (zh) * | 2018-12-13 | 2019-01-25 | 北京航空航天大学 | 倾转旋翼无人机飞行控制*** |
CN109976368A (zh) * | 2019-04-16 | 2019-07-05 | 南京航空航天大学 | 一种基于直接分配法和零空间的飞行器控制分配方法 |
CN110413000A (zh) * | 2019-05-28 | 2019-11-05 | 北京航空航天大学 | 一种基于深度学习的高超声速飞行器再入预测校正容错制导方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11188096B2 (en) * | 2015-04-16 | 2021-11-30 | Nec Corporation | Control apparatus, control method, and storage medium |
-
2020
- 2020-03-25 CN CN202010216657.7A patent/CN111240212B/zh not_active Expired - Fee Related
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104035447A (zh) * | 2014-06-27 | 2014-09-10 | 金陵科技学院 | 基于动态控制重新分配的无人飞行器姿态容错控制方法 |
CN106990790A (zh) * | 2017-06-06 | 2017-07-28 | 成都纵横自动化技术有限公司 | 一种抗饱和多旋翼飞行器控制方法 |
CN107992080A (zh) * | 2017-12-25 | 2018-05-04 | 成都纵横自动化技术有限公司 | 控制分配方法、装置及多旋翼飞行器 |
CN108628167A (zh) * | 2018-05-08 | 2018-10-09 | 南京邮电大学 | 基于自适应分配技术的飞行控制***的容错控制方法 |
CN109270947A (zh) * | 2018-12-13 | 2019-01-25 | 北京航空航天大学 | 倾转旋翼无人机飞行控制*** |
CN109976368A (zh) * | 2019-04-16 | 2019-07-05 | 南京航空航天大学 | 一种基于直接分配法和零空间的飞行器控制分配方法 |
CN110413000A (zh) * | 2019-05-28 | 2019-11-05 | 北京航空航天大学 | 一种基于深度学习的高超声速飞行器再入预测校正容错制导方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111240212A (zh) | 2020-06-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111240212B (zh) | 一种基于优化预测的倾转旋翼无人机控制分配方法 | |
Tang et al. | An integral TSMC-based adaptive fault-tolerant control for quadrotor with external disturbances and parametric uncertainties | |
CN105653827B (zh) | 高超声速飞行器Terminal滑模控制器设计方法 | |
Wu et al. | Disturbance observer based robust mixed H2/H∞ fuzzy tracking control for hypersonic vehicles | |
Liu et al. | Adaptive sliding-mode-backstepping trajectory tracking control of underactuated airships | |
CN107065539B (zh) | 一种飞翼布局飞行器的操纵面故障自适应容错控制方法 | |
Shen et al. | Prescribed performance dynamic surface control for trajectory tracking of quadrotor UAV with uncertainties and input constraints | |
CN110347170B (zh) | 可重复使用运载器再入段鲁棒容错制导控制***及工作方法 | |
Chen et al. | Design of Flight Control System for a Novel Tilt‐Rotor UAV | |
CN106649909B (zh) | 一种双余度补偿式尾翼舵面故障状态控制方法 | |
CN106874617B (zh) | 一种高效的直升机机动飞行品质等级评估方法 | |
CN111045440B (zh) | 一种高超声速飞行器俯冲段快速滚转控制方法 | |
CN102929283A (zh) | 基于sdre的再入飞行器自适应最优滑模姿态控制方法 | |
CN108919827B (zh) | 一种推力矢量飞行器控制的双次优化快速分配方法 | |
CN107977009A (zh) | 一种考虑耦合的吸气式飞行器姿态控制律设计方法 | |
CN104991446B (zh) | 一种基于大脑情感学习的无人机推力变向智能控制方法 | |
Gai et al. | Adaptive neural network dynamic inversion with prescribed performance for aircraft flight control | |
CN114721266B (zh) | 飞机舵面结构性缺失故障情况下的自适应重构控制方法 | |
CN116300988A (zh) | 一种基于分数阶滑模的先进布局无人机抗干扰控制策略 | |
Gao et al. | Robust fault-tolerant control for wing flutter under actuator failure | |
Song et al. | A singularity‐free online neural network‐based sliding mode control of the fixed‐wing unmanned aerial vehicle optimal perching maneuver | |
Rosario-Gabriel et al. | Aircraft Longitudinal Control based on the Lanchester's Phugoid Dynamics Model | |
CN111897219B (zh) | 基于在线逼近器的倾转四旋翼无人机过渡飞行模式最优鲁棒控制方法 | |
CN102707629A (zh) | 基于飞行器切换模型的全维控制器区域设计方法 | |
Khanna et al. | Adaptive block backstepping control for a UAV performing lateral maneuvers under lateral cg uncertainty |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210504 |