CN113369753A - 基于有限元分析的焊接参数确定方法及焊接方法 - Google Patents
基于有限元分析的焊接参数确定方法及焊接方法 Download PDFInfo
- Publication number
- CN113369753A CN113369753A CN202110746531.5A CN202110746531A CN113369753A CN 113369753 A CN113369753 A CN 113369753A CN 202110746531 A CN202110746531 A CN 202110746531A CN 113369753 A CN113369753 A CN 113369753A
- Authority
- CN
- China
- Prior art keywords
- welding
- finite element
- parameters
- element analysis
- network model
- 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.)
- Pending
Links
- 238000003466 welding Methods 0.000 title claims abstract description 150
- 238000000034 method Methods 0.000 title claims abstract description 74
- 238000004458 analytical method Methods 0.000 title claims abstract description 35
- 230000008569 process Effects 0.000 claims abstract description 19
- 238000012549 training Methods 0.000 claims abstract description 16
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 12
- 230000002068 genetic effect Effects 0.000 claims abstract description 9
- 238000012790 confirmation Methods 0.000 claims abstract description 5
- 230000004927 fusion Effects 0.000 claims abstract description 5
- 230000006870 function Effects 0.000 claims description 13
- 238000012546 transfer Methods 0.000 claims description 6
- 239000000463 material Substances 0.000 claims description 4
- 230000035772 mutation Effects 0.000 claims description 4
- 238000005496 tempering Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 2
- 108090000623 proteins and genes Proteins 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K37/00—Auxiliary devices or processes, not specially adapted to a procedure covered by only one of the preceding main groups
Landscapes
- Physics & Mathematics (AREA)
- Optics & Photonics (AREA)
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Resistance Welding (AREA)
Abstract
本发明公开了基于有限元分析的焊接参数确定方法及焊接方法,包括以下步骤:基于有限元分析方法模拟焊接过程,形成样本数据;建立BP网络模型,并基于样本数据对BP网络模型训练;结合GA遗传算法,寻找使融合尺寸最大的参数最优搭配,并形成云端数据库;识别待焊接位置的焊件特性,匹配云端数据库中焊接参数,完成焊接参数的确认。本发明提供一种基于有限元分析的焊接参数确定方法及焊接方法,基于有限元分析建立BP网络模型,并通过焊接特性识别确定焊接参数完成焊接,能实现焊接参数的智能匹配从而提高焊接质量,提高生产效率。
Description
技术领域
本发明涉及焊接技术领域,具体涉及基于有限元分析的焊接参数确定方法及焊接方法。
背景技术
焊接机器人是从事焊接(包括切割与喷涂)的工业机器人,用于工业自动化领域。
现有焊接机器人焊接作业时,每次在进行焊接作业时会根据焊接工艺参数,需要选择相应的焊接规范。其中焊接规范里的相关工艺参数设置好坏直接影响到焊接质量的好坏,当前,针对不同产品材质、厚度等参数进行相关焊接工艺参数的查询及人工参数设置,很难将焊接参数调整为最优,需要消耗大量的人工成本和时间,需要相关人员具备较高的知识水平。
且焊接机器人在焊接作业中,受多种作业环境因素的影响,如高温、烟尘、飞溅、工件加工误差、焊接变形等,会导致焊缝实际位置产生偏离,焊接工艺参数可能会发生变化,进而降低焊接质量。
发明内容
本发明目的在于针对现有技术的缺陷,提供一种基于有限元分析的焊接参数确定方法及焊接方法,基于有限元分析建立BP网络模型,并实现云端数据库的建立,通过焊接特性识别确定焊接参数完成焊接,能实现焊接参数的智能匹配从而提高焊接质量,提高生产效率。
本发明通过下述技术方案实现:
基于有限元分析的焊接参数确定方法,包括以下步骤:
步骤1、基于有限元分析方法模拟焊接过程,形成样本数据;
步骤2、建立BP网络模型,并基于样本数据对BP网络模型训练;
步骤3、结合GA遗传算法,寻找使融合尺寸最大的参数最优搭配,并将对应的焊接参数以及焊接特性形成云端数据库;
步骤4、识别待焊接位置的焊件特性,根据焊接特性匹配云端数据库中焊接参数,完成焊接参数的确认。
本方案中,首先针对于焊接过程,采用有限元分析的手段,模拟焊接过程,将相关模拟结果作为后续网络模型训练的参考,通过采用有限元的分析手段,模拟焊接过程,无需进行实际的焊接工序进行试验,降低试验成本,形成大数据的样本数据;建立优化参数和目标函数之间的BP网络模型;并通过有限元分析的样本数据针对于BP网络模型进行训练,训练完成后,结合GA遗传算法寻找使融合尺寸最大的参数最优搭配,并上传至云端数据库,并根据待焊位置的焊接特性,在云端数据库中匹配对应的焊接参数,完成焊接参数的确认。
优选的,所述步骤1中,在Ansys软件中建立焊接过程的有限元模型,设置焊接参数以及焊接特性作为输入参数;形成的焊接熔核尺寸大小作为输出参数;所述输入参数以及所述输出参数形成样本数据。
优选的,所述焊接参数包括电流、电压、送丝速度、焊接时间、回火时间、间隔时间;所述焊接特性包括材质、厚度、焊缝类型、焊缝尺寸、坡口角度;采用有限元分析的手段针对于焊接过程进行模拟,可针对多个焊接参数进行模拟获得尽可能多的焊接特性,能够获得更加完胜的样本数据,为后续的BP网络模型的建立及训练提供完善的样本数据。
优选的,步骤2中,所述建立BP网络模型的输入层、隐藏层以及输出层。
优选的,所述BP网络模型为双隐藏层,通过设置双隐藏层,在保证识别效果的前提下,优化训练时间,保证效率。
优选的,所述BP网络模型,所述输入层输入数据为焊接参数以及焊接特性,所述输出层输出参数为焊接熔核尺寸。
优选的,所述BP网络模型的输入层和隐藏层传递函数为正切S型传递函数tansig,训练函数为trainscg。
优选的,步骤3中,GA遗传算法的交叉方法选择为单点交叉算子xovsp,变异函数为mut。
优选的,步骤4中,所述匹配方法采用for遍历循环及阈值方法。
优选的,步骤4中,所述阈值为2%,当阈值≤2%,执行焊接命令,焊接完成,流程结束。
本发明还公开了一种基于有限元分析的焊接方法,基于说确认的焊接参数完成焊接。
优选的,所述焊接方法还包括检验步骤,预先设定焊接条件,在焊接完成后,识别焊接结果与焊接条件比对,满足条件结束焊接;不满足,继续执行焊接程序。
本发明与现有技术相比,具有如下的优点和有益效果:
1、本发明涉及基于有限元分析的焊接参数确定方法及焊接方法,基于有限元分析模拟焊接过程,无需进行实际焊接工序,节约成本;
2、本发明涉及基于有限元分析的焊接参数确定方法及焊接方法,通过建立BP网络模型并进行训练形成多种数据上传至云端数据库,并通过识别不同焊件特性的焊接参数和焊接熔核尺寸的最优搭配实现自动焊接,保证焊接效果;
3、本发明涉及基于有限元分析的焊接参数确定方法及焊接方法,所述云端数据库只存储焊件特性与焊接参数,保证了数据的存储量;
4、本发明涉及基于有限元分析的焊接参数确定方法及焊接方法,通过采用设置双隐藏层,在保证识别效果的前提下,优化训练时间,保证效率;
5、本发明涉及基于有限元分析的焊接参数确定方法及焊接方法,云端数据库可与多个焊接机器人通过互联网进行数据共享。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解,构成本申请的一部分,并不构成对本发明实施例的限定。在附图中:
图1为本发明整体实施流程图;
图2为本发明喷淋装置示意图;
图3为云端数据库智能匹配焊接参数流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
在以下描述中,为了提供对本发明的透彻理解阐述了大量特定细节。然而,对于本领域普通技术人员显而易见的是:不必采用这些特定细节来实行本发明。在其他实例中,为了避免混淆本发明,未具体描述公知的结构、电路、材料或方法。
在整个说明书中,对“一个实施例”、“实施例”、“一个示例”或“示例”的提及意味着:结合该实施例或示例描述的特定特征、结构或特性被包含在本发明至少一个实施例中。因此,在整个说明书的各个地方出现的短语“一个实施例”、“实施例”、“一个示例”或“示例”不一定都指同一实施例或示例。此外,可以以任何适当的组合和、或子组合将特定的特征、结构或特性组合在一个或多个实施例或示例中。此外,本领域普通技术人员应当理解,在此提供的示图都是为了说明的目的,并且示图不一定是按比例绘制的。这里使用的术语“和/或”包括一个或多个相关列出的项目的任何和所有组合。
在本发明的描述中,需要理解的是,术语“前”、“后”、“左”、“右”、“上”、“下”、“竖直”、“水平”、“高”、“低”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明保护范围的限制。
实施例
基于有限元分析的焊接参数确定方法,包括以下步骤:
步骤1、基于有限元分析方法模拟焊接过程,形成样本数据。
在Ansys软件中建立焊接过程的有限元模型,设置焊接参数以及焊接特性作为输入参数;形成的焊接熔核尺寸大小作为输出参数;所述输入参数以及所述输出参数形成样本数据,如表1所示。
表1样本数据
对于样本数据的,采用最大最小法进行归一化处理,使输入、输出数据的变化范围为-1~1,以改善网络训练效果。
步骤2、建立BP网络模型,并基于样本数据对BP网络模型训练。
建立BP网络模型,所述网络设计为三层,包括的输入层、隐藏层以及输出层;输入层和隐藏层传递函数为正切S型传递函数tansig,训练函数为trainscg。综合运用经验公式和试凑法确定模型隐含层所需节点数目;首先利用经验公式确定出隐含层节点数目的大致取值范围,然后通过不断的训练、对比和选择,实现最优效果。经过计算,最终确定输入层节点数为11,隐含层节点数分别为6-4,输出层节点数为13;神经网络的预测模型采用11-6-4-1。基于样本数据进行网络模型训练,设定最大迭代次数为2000次,目标误差为0.001,学习率为0.1。
步骤3:结合GA遗传算法,寻找使融合尺寸最大的参数最优搭配,并将对应的焊接参数以及焊接特性形成云端数据库;
具体过程如下:
1、产生初始种群;
2、计算种群适应度;
3、遗传操作设计;
采用比例法对种群中的个体进行选择,采用单点交叉算子xovsp;采用单点变异法,变异函数为mut,通过对原有的基因信息进行单点随机扰动,产生新的基因序列,并将其遗传至下一代。
4、设计GA终止条件
GA算法的终止条件通常设定为“达到最大迭代次数”,如果不满足终止条件,则按照遗传算法继续计算,直到满足终止条件后退出,然后将GA算法的输出结果赋值给BP网络作为初始值进行微调,直到求得模型的最优解;本发明中最大迭代次数设定为2000,在未达到最大迭代次数前执行GA算法,满足终止条件后开始执行BP网络,利用BP网络对GA算法找到的近似解进行修正和调整,直至求得模型的最优解结束。
步骤4、识别待焊接位置的焊件特性,根据焊接特性匹配云端数据库中焊接参数,完成焊接参数的确认。
优选的,步骤4中,所述匹配方法采用for遍历循环及阈值方法。
优选的,步骤4中,所述阈值为2%,当阈值≤2%,执行焊接命令,焊接完成,流程结束。
本发明还公开了一种基于有限元分析的焊接方法,基于说确认的焊接参数完成焊接。
优选的,所述焊接方法还包括检验步骤,预先设定焊接条件,在焊接完成后,识别焊接结果与焊接条件比对,满足条件结束焊接;不满足,继续执行焊接程序。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.基于有限元分析的焊接参数确定方法,其特征在于,包括以下步骤:
步骤1、基于有限元分析方法模拟焊接过程,形成样本数据;
步骤2、建立BP网络模型,并基于样本数据对BP网络模型训练;
步骤3、结合GA遗传算法,寻找使融合尺寸最大的参数最优搭配,并将对应的焊接参数以及焊接特性形成云端数据库;
步骤4、识别待焊接位置的焊件特性,根据焊接特性匹配云端数据库中焊接参数,完成焊接参数的确认。
2.根据权利要求1所述的基于有限元分析的焊接参数确定方法,其特征在于,所述焊接参数包括电流、电压、送丝速度、焊接时间、回火时间、间隔时间;所述焊接特性包括材质、厚度、焊缝类型、焊缝尺寸、坡口角度。
3.根据权利要求1所述的基于有限元分析的焊接参数确定方法,其特征在于,所述步骤1中,在Ansys软件中建立焊接过程的有限元模型,设置焊接参数以及焊接特性作为输入参数;形成的焊接熔核尺寸大小作为输出参数;所述输入参数以及所述输出参数形成样本数据。
4.根据权利要求1所述的基于有限元分析的焊接参数确定方法,其特征在于,步骤2中,所述建立BP网络模型的输入层、隐藏层以及输出层。
5.根据权利要求4所述的基于有限元分析的焊接参数确定方法,其特征在于,所述BP网络模型为双隐藏层。
6.根据权利要求4所述的基于有限元分析的焊接参数确定方法,其特征在于,所述BP网络模型,所述输入层输入数据为焊接参数以及焊接特性,所述输出层输出参数为焊接熔核尺寸。
7.根据权利要求4所述的基于有限元分析的焊接参数确定方法,其特征在于,所述BP网络模型的输入层和隐藏层传递函数为正切S型传递函数tansig,训练函数为trainscg。
8.根据权利要求1所述的基于有限元分析的焊接参数确定方法,其特征在于,步骤3中,GA遗传算法的交叉方法选择为单点交叉算子xovsp,变异函数为mut。
9.根据权利要求1所述的基于有限元分析的焊接参数确定方法,其特征在于,步骤4中,所述匹配方法采用for遍历循环及阈值方法。
10.基于有限元分析的焊接方法,其特征在于,基于权利要求1-8任意一项确定方法确定的焊接参数,采用所述焊接参数完成焊接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110746531.5A CN113369753A (zh) | 2021-07-01 | 2021-07-01 | 基于有限元分析的焊接参数确定方法及焊接方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110746531.5A CN113369753A (zh) | 2021-07-01 | 2021-07-01 | 基于有限元分析的焊接参数确定方法及焊接方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113369753A true CN113369753A (zh) | 2021-09-10 |
Family
ID=77580638
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110746531.5A Pending CN113369753A (zh) | 2021-07-01 | 2021-07-01 | 基于有限元分析的焊接参数确定方法及焊接方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113369753A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040035547A1 (en) * | 2002-08-20 | 2004-02-26 | 3M Innovative Properties Company | Metal matrix composites, and methods for making the same |
JP2008107322A (ja) * | 2006-09-29 | 2008-05-08 | Sumitomo Metal Ind Ltd | スポット溶接部の破断ひずみ算出方法、基準破断ひずみ算出方法 |
CN102313676A (zh) * | 2011-08-31 | 2012-01-11 | 湖南大学 | 一种识别焊点不同区域材料静态力学性能参数的检测方法 |
CN106909727A (zh) * | 2017-02-20 | 2017-06-30 | 武汉理工大学 | 基于bp神经网络和遗传算法ga的激光焊接温度场有限元模拟方法 |
CN108657194A (zh) * | 2018-07-12 | 2018-10-16 | 中铁磁浮科技(成都)有限公司 | 一种磁浮列车直线电机定位装置 |
CN109492326A (zh) * | 2018-11-30 | 2019-03-19 | 杭州朝辉电子信息科技有限公司 | 一种基于云技术的pcb信号完整性仿真***及其仿真方法 |
JP2019048309A (ja) * | 2017-09-08 | 2019-03-28 | 公立大学法人大阪府立大学 | 算出方法、溶接方法、及びプログラム |
CN111046609A (zh) * | 2019-12-24 | 2020-04-21 | 上海智殷自动化科技有限公司 | 一种基于bp神经网络焊接工艺参数优化方法 |
CN111461398A (zh) * | 2020-02-27 | 2020-07-28 | 季华实验室 | 焊接工艺参数优化方法、设备及可读存储介质 |
CN112231855A (zh) * | 2020-09-14 | 2021-01-15 | 中国船舶重工集团公司第七一六研究所 | 基于机器学习的管件焊接工艺自动生成方法及*** |
-
2021
- 2021-07-01 CN CN202110746531.5A patent/CN113369753A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040035547A1 (en) * | 2002-08-20 | 2004-02-26 | 3M Innovative Properties Company | Metal matrix composites, and methods for making the same |
JP2008107322A (ja) * | 2006-09-29 | 2008-05-08 | Sumitomo Metal Ind Ltd | スポット溶接部の破断ひずみ算出方法、基準破断ひずみ算出方法 |
CN102313676A (zh) * | 2011-08-31 | 2012-01-11 | 湖南大学 | 一种识别焊点不同区域材料静态力学性能参数的检测方法 |
CN106909727A (zh) * | 2017-02-20 | 2017-06-30 | 武汉理工大学 | 基于bp神经网络和遗传算法ga的激光焊接温度场有限元模拟方法 |
JP2019048309A (ja) * | 2017-09-08 | 2019-03-28 | 公立大学法人大阪府立大学 | 算出方法、溶接方法、及びプログラム |
CN108657194A (zh) * | 2018-07-12 | 2018-10-16 | 中铁磁浮科技(成都)有限公司 | 一种磁浮列车直线电机定位装置 |
CN109492326A (zh) * | 2018-11-30 | 2019-03-19 | 杭州朝辉电子信息科技有限公司 | 一种基于云技术的pcb信号完整性仿真***及其仿真方法 |
CN111046609A (zh) * | 2019-12-24 | 2020-04-21 | 上海智殷自动化科技有限公司 | 一种基于bp神经网络焊接工艺参数优化方法 |
CN111461398A (zh) * | 2020-02-27 | 2020-07-28 | 季华实验室 | 焊接工艺参数优化方法、设备及可读存储介质 |
CN112231855A (zh) * | 2020-09-14 | 2021-01-15 | 中国船舶重工集团公司第七一六研究所 | 基于机器学习的管件焊接工艺自动生成方法及*** |
Non-Patent Citations (4)
Title |
---|
汪先锋: "《生态环境大数据》", 31 October 2019, 中国环境出版集团 * |
温秉权: "《机械制造基础》", 31 January 2017, 北京理工大学出版社 * |
胥国祥等: "厚板多层多道焊温度场的有限元分析", 《焊接学报》 * |
龙振华等: "基于人工智能的薄板电阻点焊数值分析及工艺参数优化", 《组合机床与自动化加工技术》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10589368B2 (en) | Machine learning device having function of adjusting welding positions of core in wire electric discharge machine | |
CN105279291B (zh) | 一种面向批量加工的堆焊工艺参数优化方法 | |
CN109865916A (zh) | 一种基于cbr和rbr的机器人焊接工艺参数优化方法 | |
CN112329860B (zh) | 混合型深度学习视觉检测方法、装置、设备及存储介质 | |
CN109472358A (zh) | 基于神经网络的焊接工艺参数推荐方法、装置及机器人 | |
CN104122796B (zh) | 一种智能装配序列规划方法 | |
EP2244866A1 (en) | Method and system for optimizing the layout of a robot work cell | |
CN108527319A (zh) | 基于视觉***的机器人示教方法及*** | |
Tseng | Welding parameters optimization for economic design using neural approximation and genetic algorithm | |
CN111530671A (zh) | 一种基于喷涂***的智能机器人喷涂方法 | |
CN113642220B (zh) | 一种基于rbf与mopso的船舶焊接工艺优化方法 | |
CN108646689A (zh) | 一种基于焊接的虚拟生产制造方法及*** | |
CN113199184B (zh) | 一种基于改进自适应模糊神经网络的焊缝外形预测方法 | |
CN110488810A (zh) | 基于改进型粒子群算法的焊接机器人最优路径规划方法 | |
CN118023791B (zh) | 一种精密壳体的焊接方法及*** | |
CN112651080A (zh) | 基于工业ai技术的焊接结构件工艺优化方法及*** | |
CN115475737A (zh) | 一种点胶机点胶的规划优化方法及*** | |
CN116900582A (zh) | 一种具有参数预测功能的焊接机器人 | |
Tynchenko et al. | Software for optimization of beam output during electron beam welding of thin-walled structures | |
CN113369753A (zh) | 基于有限元分析的焊接参数确定方法及焊接方法 | |
CN106682773A (zh) | 一种基于模拟退火算法的人机焊接工时预测方法 | |
Zhong et al. | An integrated optimization algorithm of GA and ACA-based approaches for modeling virtual enterprise partner selection | |
CN111914473A (zh) | 一种电阻点焊的焊接参数确定方法、装置、电子设备及存储介质 | |
CN111545955A (zh) | 一种门板焊点识别与焊接路径规划方法 | |
CN113210936B (zh) | 一种直缝焊管的焊接方法、***和可读介质 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220905 Address after: No.4 Huoju Road, hi tech Development Zone, Baoji City, Shaanxi Province 721000 Applicant after: CHINA RAILWAY BAOJI BRIDGE GROUP Co.,Ltd. Address before: 610000 China Railway Rail Transit high tech Industrial Park, NO.666, jinfenghuang Avenue, Jinniu District, Chengdu, Sichuan Province Applicant before: CHINA RAILWAY MAGLEV SCIENCE & TECHNOLOGY (CHENGDU) Co.,Ltd. |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210910 |