CN113985729A - 基于变论域模糊pid理论的拖拉机水田作业路径跟踪方法及*** - Google Patents
基于变论域模糊pid理论的拖拉机水田作业路径跟踪方法及*** Download PDFInfo
- Publication number
- CN113985729A CN113985729A CN202111356238.4A CN202111356238A CN113985729A CN 113985729 A CN113985729 A CN 113985729A CN 202111356238 A CN202111356238 A CN 202111356238A CN 113985729 A CN113985729 A CN 113985729A
- Authority
- CN
- China
- Prior art keywords
- fuzzy
- error
- front wheel
- variable
- tractor
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 230000005540 biological transmission Effects 0.000 claims abstract description 9
- 230000008859 change Effects 0.000 claims description 19
- 238000010586 diagram Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000003673 groundwater Substances 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003971 tillage Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation 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
- G05B11/00—Automatic controllers
- G05B11/01—Automatic controllers electric
- G05B11/36—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential
- G05B11/42—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential for obtaining a characteristic which is both proportional and time-dependent, e.g. P. I., P. I. D.
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Guiding Agricultural Machines (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Feedback Control In General (AREA)
- Steering Control In Accordance With Driving Conditions (AREA)
Abstract
Description
技术领域
本发明属于农机智能控制技术领域,具体涉及一种基于变论域模糊PID理论的拖拉机水田作业路径跟踪方法及***。
背景技术
近年来农业机械向着无人化、智能化方向发展,农业车辆的无人驾驶成为研究的重点。路径跟踪作为无人驾驶的核心技术,是研究的重中之重。拖拉机水田作业的路径跟踪不同于其他旱田或平地的路径跟踪,其地面高低起伏、湿滑泥泞,路面与轮胎之间的相互作用复杂多变,难以建立准确的数学模型,且车身在带机具作业时常发生侧滑和大幅倾斜,实际行驶的速度信息难以实时准确测量,因此使得以纯追踪算法为代表的一系列依赖于运动学或动力学模型、或要求行驶速度准确测量的路径跟踪算法在应用时受到很大限制。
发明内容
针对现有技术中存在不足,本发明提供了一种基于变论域模糊PID理论的拖拉机水田作业路径跟踪方法,保证拖拉机路径跟踪的精度和上线的平滑性。
本发明是通过以下技术手段实现上述技术目的的。
一种基于变论域模糊PID理论的拖拉机水田作业路径跟踪方法,具体为:
变论域模糊PID控制器根据横向误差e和横向误差变化率ec,得到前轮目标转角δ1;
所述前轮目标转角δ1和前轮转角的补偿值δ2相加,得到前轮最终目标转角δ;
控制拖拉机前轮转动,使拖拉机前轮转角达到前轮最终目标转角δ,实现拖拉机的路径跟踪。
上述技术方案中,所述变论域模糊PID控制器包括模糊控制器I、模糊控制器II和PID控制器;模糊控制器Ⅰ输入横向误差e、横向误差变化率ec,得到论域伸缩因子α和比例因子βx,模糊控制器Ⅱ根据横向误差e、横向误差变化率ec以及论域伸缩因子α和比例因子βx,得到误差ΔKp、ΔKi、ΔKd,并发送给PID控制器;PID控制器计算出目标前轮转角δ1;其中x=p,i,d。
上述技术方案中,所述论域伸缩因子α和比例因子βx的模糊子集定义为{VS(特小)、S(小)、M(中)、B(大)、VB(特大)}。
上述技术方案中,利用论域伸缩因子α和比例因子βx对模糊控制器Ⅱ输入输出模糊变量初始设置的论域进行调整,得到调整后的输入输出模糊变量的论域,具体为:
E∈[-α×E(0),α×E(0)]
Ec∈[-α×Ec(0),α×Ec(0)]
Ep∈[-βp×Ep(0),βp×Ep(0)]
Ei∈[-βi×Ei(0),βi×Ei(0)]
Ed∈[-βd×Ed(0),βd×Ed(0)]
其中,E(0)为横向误差e模糊变量初始设置的论域,Ec(0)为横向误差变化率ec模糊变量初始设置的论域,Ep(0)为误差ΔKp模糊变量初始设置的论域,Ei(0)为误差ΔKi模糊变量初始设置的论域,Ed(0)为误差ΔKd模糊变量初始设置的论域。
一种基于变论域模糊PID理论的拖拉机水田作业路径跟踪方法的控制***,包括导航定位模块、变论域模糊PID控制器、模糊控制器III和转向传动模块,导航定位模块将所述横向误差e和航向误差发送给模糊控制器III、将所述横向误差e发送给变论域模糊PID控制器,变论域模糊PID控制器输出前轮目标转角δ1,模糊控制器III输出前轮转角的补偿值δ2,前轮目标转角δ1和前轮转角的补偿值δ2相加后得到前轮最终目标转角δ并发送给转向传动模块。
本发明的有益效果为:本发明变论域模糊PID控制器包括模糊控制器I、模糊控制器II和PID控制器;模糊控制器I输入横向误差e、横向误差变化率ec,得到论域伸缩因子α和比例因子βx,模糊控制器II根据横向误差e、横向误差变化率ec以及论域伸缩因子α和比例因子βx,得到误差ΔKp、ΔKi、ΔKd,并发送给PID控制器;利用论域伸缩因子α和比例因子βx对模糊控制器II输入输出模糊变量初始设置的论域进行调整,实现了模糊控制***的自适应变化,使控制***在整个控制过程中能充分利用模糊控制规则,提高了***的控制精度和鲁棒性;本发明中模糊控制器III利用拖拉机行驶过程中横向和航向的耦合关系,对变论域模糊PID控制器输出的前轮目标转角进行补偿,使拖拉机的路径跟踪上线过程更加平滑;经实验验证本发明能在拖拉机水田作业时保证路径跟踪的准确性和稳定性,满足无人驾驶要求。
附图说明
图1为本发明总体控制***框图;
图2为本发明拖拉机路径跟踪时横向误差和航向误差示意图;
图3为本发明变论域模糊PID控制器的***框图;
图4(a)为本发明中模糊控制器I和模糊控制器III的输入量隶属度函数图;
图4(b)为本发明中模糊控制器Ⅰ的输出量隶属度函数图;
图4(c)为本发明中模糊控制器Ⅱ的输入量隶属度函数图;
图5为本发明进行实地实验时拖拉机作业路径跟踪效果图。
具体实施方式
下面结合附图以及具体实施例对本发明作进一步的说明,但本发明的保护范围并不限于此。
本发明一种基于变论域模糊PID理论的拖拉机水田作业路径跟踪方法基于图1所示的控制***进行路径跟踪,所述控制***包括导航定位模块、变论域模糊PID控制器、模糊控制器III和转向传动模块,导航定位模块将更新的拖拉机当前路径与参考路径之间的横向误差和航向误差发送给模糊控制器III、将更新的拖拉机当前路径与参考路径之间的横向误差e发送给变论域模糊PID控制器,变论域模糊PID控制器输出前轮目标转角δ1,模糊控制器III输出前轮转角的补偿值δ2,前轮目标转角δ1和前轮转角的补偿值δ2相加后得到前轮最终目标转角δ并发送给转向传动模块。
一种基于变论域模糊PID理论的拖拉机水田作业路径跟踪方法,具体包括如下步骤:
步骤(1),机手通过驾驶拖拉机或者遥控无人机等方式对待作业田块的三个顶点坐标进行采集,导航定位模块通过坐标数据确定田块边界,并根据人工设置的转弯半径、作业幅宽等规划出拖拉机作业的参考路径(ZHANG Q,QIU H.A dynamic path searchalgorithm for tractor automatic navigation.Transactions of the ASABE,2004,47(2):639-646)。
步骤(2),拖拉机进行路径跟踪作业时,导航定位模块实时获取拖拉机的位置坐标、航向角,并与参考路径比较,不断计算更新出拖拉机当前路径与参考路径之间的横向误差e和航向误差并将两项数据每0.1秒一次发送给下位机控制器。
如图2所示,参考路径P和拖拉机位置均已知,横向误差e即为拖拉机后轮轴中心到参考路径的最短距离,以拖拉机行驶方向为参考,定义机***置在参考路径右侧时横向误差e为正值,左侧时为负值;航向偏差为农机当前航向角与规划路径参考点航向角的差值。
步骤(3),变论域模糊PID控制器根据横向误差e和横向误差变化率ec,输出前轮目标转角δ1;具体方法如下:
图3为变论域模糊PID控制器内部***结构图,包括模糊控制器I、模糊控制器II和PID控制器;模糊控制器Ⅰ输入横向误差e、横向误差变化率ec,得到论域伸缩因子α和比例因子βx(x=p,i,d),并发送给模糊控制器Ⅱ;模糊控制器Ⅱ根据横向误差e、横向误差的变化率ec以及论域伸缩因子α和比例因子β,得到误差ΔKp、ΔKi、ΔKd,并发送给PID控制器;PID控制器计算出目标前轮转角δ1。
横向偏差e是接收自导航定位模块的数据,频率为10hz,第k次接收到的横向偏差数据记为e(k);离散状态下横向偏差变化率ec定义为:
ec(k)=ec(k)-ec(k-1)
首先,模糊控制器I的输入量为横向误差e、横向误差变化率ec,将论域伸缩因子α和比例因子βx(x=p,i,d)输出给模糊控制器II。其中输入量的实际论域根据拖拉机本身参数设置,将其进行模糊化后转化成模糊变量的模糊论域为E、Fc,模糊集合定义为{PB(正大)、PM(正中)、PS(正小)、ZO(零)、NS(负小)、NM(负中)、NB(负大)},隶属度函数图如图4
(a)所示;根据实际调试经验将论域伸缩因子α和比例因子βx(x=p,i,d)的模糊论域设为[0,1],模糊子集定义为{VS(特小)、S(小)、M(中)、B(大)、VB(特大)},隶属函数图如图4
(b)所示。根据实时误差反馈与模糊变量之间的相互关系,建立模糊控制规则表,如表1所示;随后采用MAMDANI推理法对变量进行模糊推理,确定变量最终的隶属度后使用重心法进行去模糊化,最终得到在此时输入下的α、βx(x=p,i,d)的准确数值。
表1
随后,模糊控制器II根据横向误差e、横向误差的变化率ec以及论域伸缩因子α和比例因子βx,通过模糊控制算法计算出PID控制参数的误差ΔKp、ΔKi、ΔKd(计算的过程为现有技术),并输出给PID控制器。其中两个输入量的实际论域根据拖拉机本身参数设置,两者的模糊变量初始设置的论域为E(0)、Ec(0),三个输出控制量的模糊变量初始设置的论域为Ep(0)、Ei(0)、Ed(0);结合步骤(3)中模糊控制器I输出的伸缩因子α和比例因子βx(x=p,i,d)对初始设置的论域进行调整,得到调整后的输入输出模糊变量的论域,如下式:
E∈[-α×E(0),α×E(0)]
Ec∈[-α×Ec(0),α×Ec(0)]
Ep∈[-βp×Ep(0),βp×Ep(0)]
Ei∈[-βi×Ei(0),βi×Ei(0)]
Ed∈[-βd×Ed(0),βd×Ed(0)]
输入输出变量的模糊子集均为{PB(正大)、PM(正中)、PS(正小)、ZO(零)、NS(负小)、NM(负中)、NB(负大)},隶属函数图如图4(c)所示,根据现场调试经验和PID控制器的参数特征,制定模糊控制规则表如表2所示;采用MAMDANI推理法对变量进行模糊推理,确定变量最终的隶属度后使用重心法进行去模糊化,最终得到在此时输入下的ΔKp、ΔKi、ΔKd的准确数值。
表2
最后,随后PID控制器采用离散的位置式PID算法计算出目标前轮转角δ1:
T为采样周期0.1s,控制参数KP、Ki、Kd每次计算时根据模糊控制器II输出的控制参数误差ΔKp、ΔKi、ΔKd进行如下更新:
在普通的模糊PID算法中,输入输出的模糊变量论域是固定的,论域范围的选择对***的效果影响很大。当论域选择的范围较大时,会造成模糊控制规则的被稀释,***控制的精度降低;当论域选择的范围较小时,则会造成***的控制量输出波动较大。所以在本发明中,通过被控对象输出误差以及误差变化率为反馈,实现模糊控制器的实时自适应调整,降低了对初始规则准确性的要求,提高了***的控制精度。
模糊控制器Ⅲ的输入量为横向误差e和航向误差输出控制量为前轮目标转角的补偿值δ2;输入输出量的实际论域根据拖拉机自身参数设置,将输入输出量进行模糊化后转化为模糊量,模糊子集均为{PB(正大)、PM(正中)、PS(正小)、ZO(零)、NS(负小)、NM(负中)、NB(负大)},隶属函数图如图4(a)所示,根据车辆行驶过程中横向和航向的耦合关系,结合专家经验和现场调试数据,制定模糊规则控制表如表3所示。
表3
前轮最终目标转角δ=δ1+δ2。
步骤(5),转向传动模块根据前轮最终目标转角δ,通过电动方向盘控制拖拉机前轮转动,并以前轮转角传感器采集的前轮转角为反馈,使拖拉机前轮转角达到预定的目标转角,实现拖拉机的路径跟踪。
以加装了导航定位模块、控制器、电动方向盘等部件的乐星1004拖拉机为实验对象,在刚刚收割并进行犁耕之后的水稻田中进行拖拉机无人旋耕作业路径跟踪,田块地面含水量较高,犁耕后堆积的土壤高低起伏约为20~30cm。航向误差的实际论域设置为[-30°,30°],横向误差e的实际论域设置为[-3m,3m],误差变化率ec的实际论域为[-1,1],前轮目标转角δ1的模糊论域为[-45°,45°],前轮转角补偿值δ2的模糊论域为[-5°,5°]。图5为路径跟踪的效果图,直线段稳定行驶时的横向跟踪误差不超过5cm,结果表明本发明的路径跟踪方法在水田无人作业时有较好的效果。
所述实施例为本发明的优选的实施方式,但本发明并不限于上述实施方式,在不背离本发明的实质内容的情况下,本领域技术人员能够做出的任何显而易见的改进、替换或变型均属于本发明的保护范围。
Claims (6)
2.根据权利要求1所述的基于变论域模糊PID理论的拖拉机水田作业路径跟踪方法,其特征在于,所述变论域模糊PID控制器包括模糊控制器I、模糊控制器II和PID控制器;模糊控制器I输入横向误差e、横向误差变化率ec,得到论域伸缩因子α和比例因子βx,模糊控制器II根据横向误差e、横向误差变化率ec以及论域伸缩因子α和比例因子βx,得到误差ΔKp、ΔKi、ΔKd,并发送给PID控制器;PID控制器计算出目标前轮转角δ1;其中x=p,i,d。
3.根据权利要求1所述的基于变论域模糊PID理论的拖拉机水田作业路径跟踪方法,其特征在于,所述论域伸缩因子α和比例因子βx的模糊子集定义为{VS(特小)、S(小)、M(中)、B(大)、VB(特大)}。
4.根据权利要求l所述的基于变论域模糊PID理论的拖拉机水田作业路径跟踪方法,其特征在于,利用论域伸缩因子α和比例因子βx对模糊控制器II输入输出模糊变量初始设置的论域进行调整,得到调整后的输入输出模糊变量的论域,具体为:
E∈[-α×E(0),α×E(0)]
Ec∈[-α×Ec(0),α×Ec(0)]
Ep∈[-βp×Ep(0),βp×Ep(0)]
Ei∈[-βi×Ei(0),βi×Ei(0)]
Ed∈[-βd×Ed(0),βd×Ed(0)]
其中,E(0)为横向误差e模糊变量初始设置的论域,Ec(0)为横向误差变化率ec模糊变量初始设置的论域,Ep(0)为误差ΔKp模糊变量初始设置的论域,Ei(0)为误差ΔKi模糊变量初始设置的论域,Ed(0)为误差ΔKd模糊变量初始设置的论域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111356238.4A CN113985729B (zh) | 2021-11-16 | 2021-11-16 | 基于变论域模糊pid理论的拖拉机水田作业路径跟踪方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111356238.4A CN113985729B (zh) | 2021-11-16 | 2021-11-16 | 基于变论域模糊pid理论的拖拉机水田作业路径跟踪方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113985729A true CN113985729A (zh) | 2022-01-28 |
CN113985729B CN113985729B (zh) | 2024-05-14 |
Family
ID=79748847
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111356238.4A Active CN113985729B (zh) | 2021-11-16 | 2021-11-16 | 基于变论域模糊pid理论的拖拉机水田作业路径跟踪方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113985729B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101221447A (zh) * | 2008-01-18 | 2008-07-16 | 中国农业大学 | 一种机械自动转向控制方法 |
CN104901596A (zh) * | 2015-04-16 | 2015-09-09 | 安徽理工大学 | 基于改进的模糊pid的励磁控制及其方法 |
CN105867377A (zh) * | 2016-04-13 | 2016-08-17 | 浙江理工大学 | 一种农业机械自动导航控制方法 |
CN110333733A (zh) * | 2019-08-02 | 2019-10-15 | 南京信息工程大学 | 一种四旋翼飞行器的串级变论域模糊pid姿态控制***及方法 |
CN110471281A (zh) * | 2019-07-30 | 2019-11-19 | 南京航空航天大学 | 一种轨迹跟踪控制的变论域模糊控制***及控制方法 |
CN112650054A (zh) * | 2020-12-31 | 2021-04-13 | 山东大学 | 一种拖拉机耕深变论域模糊pid控制方法与*** |
-
2021
- 2021-11-16 CN CN202111356238.4A patent/CN113985729B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101221447A (zh) * | 2008-01-18 | 2008-07-16 | 中国农业大学 | 一种机械自动转向控制方法 |
CN104901596A (zh) * | 2015-04-16 | 2015-09-09 | 安徽理工大学 | 基于改进的模糊pid的励磁控制及其方法 |
CN105867377A (zh) * | 2016-04-13 | 2016-08-17 | 浙江理工大学 | 一种农业机械自动导航控制方法 |
CN110471281A (zh) * | 2019-07-30 | 2019-11-19 | 南京航空航天大学 | 一种轨迹跟踪控制的变论域模糊控制***及控制方法 |
CN110333733A (zh) * | 2019-08-02 | 2019-10-15 | 南京信息工程大学 | 一种四旋翼飞行器的串级变论域模糊pid姿态控制***及方法 |
CN112650054A (zh) * | 2020-12-31 | 2021-04-13 | 山东大学 | 一种拖拉机耕深变论域模糊pid控制方法与*** |
Non-Patent Citations (1)
Title |
---|
陈志刚 等: ""拖拉机路径跟踪的变论域模糊控制"", 《江苏农业科学》, vol. 46, no. 13, 31 December 2018 (2018-12-31), pages 216 - 219 * |
Also Published As
Publication number | Publication date |
---|---|
CN113985729B (zh) | 2024-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107561942B (zh) | 基于模型补偿的智能车辆轨迹跟踪模型预测控制方法 | |
Yang et al. | An optimal goal point determination algorithm for automatic navigation of agricultural machinery: Improving the tracking accuracy of the Pure Pursuit algorithm | |
CN105867377A (zh) | 一种农业机械自动导航控制方法 | |
CN108919837B (zh) | 一种基于视觉动力学的自动驾驶车辆二阶滑模控制方法 | |
CN106647770A (zh) | 用于农机无人驾驶的田间掉头路径规划及其控制方法 | |
CN112230651A (zh) | 一种基于分层控制理论的分布式无人车路径跟踪控制方法 | |
CN111930132A (zh) | 一种用于水下自主航行器的航迹控制方法 | |
CN114684199A (zh) | 一种机理分析-数据驱动的车辆动力学串联混合模型、智能汽车轨迹跟踪控制方法及控制器 | |
Wang et al. | Path tracking control for autonomous harvesting robots based on improved double arc path planning algorithm | |
Li et al. | Autonomous tracking control for four-wheel independent steering robot based on improved pure pursuit | |
Jiang et al. | Predictive fuzzy control for a mobile robot with nonholonomic constraints | |
CN113985729A (zh) | 基于变论域模糊pid理论的拖拉机水田作业路径跟踪方法及*** | |
CN117215202A (zh) | 一种自动驾驶车辆横向运动的新型模糊模型预测控制方法 | |
CN111736598A (zh) | 基于自适应神经网络的收获机路径跟踪控制方法和*** | |
Chang et al. | Two-stage guidance control scheme for high-precision straight-line navigation of a four-wheeled planting robot in a greenhouse | |
Nourizadeh et al. | Trajectory Tracking Control of Skid-Steering Mobile Robots with Slip and Skid Compensation using Sliding-Mode Control and Deep Learning | |
Yao et al. | Path Tracking Control for Four-Wheel-Independent-Driven Agricultural High Clearance Sprayer with New Front-Rear-Dual-Steering-Axle | |
CN112965498A (zh) | 一种智能扫路车运行轨迹跟踪控制方法 | |
CN113325694A (zh) | 一种基于机器学习的模型预测控制参数的整定方法 | |
CN112486018A (zh) | 一种基于速度自适应预瞄的无模型无人车路径跟踪方法 | |
Liu et al. | Fuzzy adaptive PID control for path tracking of field intelligent weeding machine | |
Xie et al. | Path-following control for connected self-driving rollers with preview distance online optimization | |
Chen et al. | Research on AGV cart control system based on fuzzy PID control | |
Ma et al. | Simulation and experiment of intelligent vehicle lateral control based on Fuzzy PID algorithm | |
CN110989346A (zh) | 一种集成驾驶员决策行为的智能操纵方法 |
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 |