CN117369572B - 一种用于恒温酒柜的智能加湿控制方法及其相关设备 - Google Patents
一种用于恒温酒柜的智能加湿控制方法及其相关设备 Download PDFInfo
- Publication number
- CN117369572B CN117369572B CN202311667116.6A CN202311667116A CN117369572B CN 117369572 B CN117369572 B CN 117369572B CN 202311667116 A CN202311667116 A CN 202311667116A CN 117369572 B CN117369572 B CN 117369572B
- Authority
- CN
- China
- Prior art keywords
- temperature
- humidification
- historical
- value
- interval
- 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
- 235000014101 wine Nutrition 0.000 title claims abstract description 136
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000013459 approach Methods 0.000 claims abstract description 37
- 230000007704 transition Effects 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 15
- 230000008859 change Effects 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D27/00—Simultaneous control of variables covered by two or more of main groups G05D1/00 - G05D25/00
- G05D27/02—Simultaneous control of variables covered by two or more of main groups G05D1/00 - G05D25/00 characterised by the use of electric means
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
- F25D—REFRIGERATORS; COLD ROOMS; ICE-BOXES; COOLING OR FREEZING APPARATUS NOT OTHERWISE PROVIDED FOR
- F25D17/00—Arrangements for circulating cooling fluids; Arrangements for circulating gas, e.g. air, within refrigerated spaces
- F25D17/04—Arrangements for circulating cooling fluids; Arrangements for circulating gas, e.g. air, within refrigerated spaces for circulating air, e.g. by convection
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
- F25D—REFRIGERATORS; COLD ROOMS; ICE-BOXES; COOLING OR FREEZING APPARATUS NOT OTHERWISE PROVIDED FOR
- F25D29/00—Arrangement or mounting of control or safety devices
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
- F25D—REFRIGERATORS; COLD ROOMS; ICE-BOXES; COOLING OR FREEZING APPARATUS NOT OTHERWISE PROVIDED FOR
- F25D2317/00—Details or arrangements for circulating cooling fluids; Details or arrangements for circulating gas, e.g. air, within refrigerated spaces, not provided for in other groups of this subclass
- F25D2317/04—Treating air flowing to refrigeration compartments
- F25D2317/041—Treating air flowing to refrigeration compartments by purification
- F25D2317/0413—Treating air flowing to refrigeration compartments by purification by humidification
- F25D2317/04131—Control means therefor
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
- F25D—REFRIGERATORS; COLD ROOMS; ICE-BOXES; COOLING OR FREEZING APPARATUS NOT OTHERWISE PROVIDED FOR
- F25D2600/00—Control issues
- F25D2600/06—Controlling according to a predetermined profile
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- Thermal Sciences (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本申请提供了一种用于恒温酒柜的智能加湿控制方法及其相关设备,通过确定所述历史温度数据的历史温度波动值,进而得到历史温度波动序列,根据所述历史温度波动序列确定加湿预前决策值,根据所述历史温度数据和所述历史加湿数据确定温度影响特征值和加湿影响特征值,通过所述温度影响特征值和所述加湿影响特征值确定温湿可关界定因子,确定所述当前温度值的多个区间温度预测域,进而确定每个区间温度预测域的区间温度趋近度,通过所有的区间温度趋近度确定温度预测序列,根据所述温度预测序列和所述温湿可关界定因子确定加湿决策序列,根据所述加湿决策序列和所述加湿预前决策值对恒温酒柜进行加湿调节,可减小恒温酒柜恒定温度的波动范围。
Description
技术领域
本申请涉及加湿控制技术领域,特别的本申请涉及一种用于恒温酒柜的智能加湿控制方法及其相关设备。
背景技术
恒温酒柜是一种专门用于存放葡萄酒或其他酒类的设备,恒温酒柜可以维持恒定的温度和湿度,以提供最佳的酒类保存环境,恒温酒柜能够控制内部的温度,并保持在恒定的波动范围内,加湿控制是一种调节和控制室内湿度水平的技术或***,通常由湿度传感器、加湿设备和控制器组成,加湿控制的目标是在合适的时间和条件下增加或减少室内空气中的湿度,使其保持在一个适宜的范围内。
恒温酒柜的智能加湿控制是指在恒温酒柜中利用智能技术实现对加湿功能的自动控制和调节,智能加湿控制***使恒温酒柜的湿度控制更加智能化,智能加湿控制***可以节省能源和提高设备的工作效率,若恒温酒柜恒定温度的波动范围过大,会导致酒内化学反应失衡,严重影响酒柜中酒的口感,因此业界中减小恒温酒柜恒定温度的波动范围显得尤为重要。
发明内容
基于此,有必要针对上述技术问题,本申请提供一种用以减小恒温酒柜恒定温度的波动范围的用于恒温酒柜的智能加湿控制方法及其相关设备。
为解决上述技术问题,本申请采用如下技术方案:
第一方面,本申请提供一种用于恒温酒柜的智能加湿控制方法,包括如下步骤:
启动恒温酒柜智能加湿,获取恒温酒柜的历史温度数据、历史加湿数据以及当前温度值;
确定所述历史温度数据的历史温度波动值,进而得到历史温度波动序列,根据所述历史温度波动序列确定加湿预前决策值;
根据所述历史温度数据和所述历史加湿数据确定温度影响特征值和加湿影响特征值,通过所述温度影响特征值和所述加湿影响特征值确定温湿可关界定因子;
确定所述当前温度值的多个区间温度预测域,进而确定每个区间温度预测域的区间温度趋近度,通过所有的区间温度趋近度确定温度预测序列,根据所述温度预测序列和所述温湿可关界定因子确定加湿决策序列;
根据所述加湿决策序列和所述加湿预前决策值对恒温酒柜进行加湿调节。
在一些实施例中,根据所述历史温度波动序列确定加湿预前决策值具体包括具体包括:
将所述历史温度波动序列按照该历史温度波动序列中的零值进行划分,得到多个历史温度波动去零序列;
根据所有的历史温度波动去零序列和预设的过渡温度预测阈区间确定过渡温度预测值,进而得到过渡温度预测域;
根据所述过渡温度预测域确定加湿预前决策值。
在一些实施例中,通过所述温度影响特征值和所述加湿影响特征值确定温湿可关界定因子具体包括如下步骤:
确定第个历史温度值对应的温度影响特征值/>;
确定第个历史加湿值对应的加湿影响特征值/>;
确定第个历史温度值对应的温度均衡因子/>;
确定第个历史加湿值对应的加湿均衡因子/>;
根据所述第个历史温度值对应的温度影响特征值/>、第/>个历史加湿值对应的加湿影响特征值/>、第/>个历史温度值对应的温度均衡因子/>和第/>个历史加湿值对应的加湿均衡因子/>确定温湿可关界定因子,其中温湿可关界定因子采用下述公式确定:
其中,表示温湿可关界定因子,/>表示无穷小的正整数,用来防止分母为0,/>表示历史温度值的总个数,/>。
在一些实施例中,确定所述当前温度值的多个区间温度预测域,进而确定每个区间温度预测域的区间温度趋近度具体包括具体包括:
获取所述历史温度数据中与当前温度值相等的历史温度值的历史相等温度坐标;
根据所述历史相等温度坐标对所述历史温度数据进行划分,得到多个温度预测区间;
确定每个温度预测区间的区间温度预测域,得到多个区间温度预测域;
确定每个区间温度预测域的区间温度趋近度。
在一些实施例中,确定每个温度预测区间的区间温度预测域,得到多个区间温度预测域具体包括:
选取一个温度预测区间;
根据预设的温度预测可信度确定该温度预测区间的温度预测上边界和温度预测下边界;
根据所述温度预测上边界和温度预测下边界对该温度预测区间进行划分,得到区间温度预测域;
重复上述步骤,得到剩余温度预测区间的区间温度预测域。
在一些实施例中,根据所述加湿决策序列和所述加湿预前决策值对恒温酒柜进行加湿调节具体包括:
当该加湿预前决策值超过所述恒温酒柜的恒温值时,根据所述加湿决策序列对恒温酒柜进行加湿调节;
当该加湿预前决策值低于所述恒温酒柜的恒温值时,所述恒温酒柜在当前时刻不做加湿处理,进入待机状态。
在一些实施例中,所述历史加湿数据为所有历史加湿值的集合。
第二方面,本申请提供一种用于恒温酒柜的智能加湿控制***,包括:
恒温酒柜智能加湿启动模块,用于启动恒温酒柜智能加湿,获取恒温酒柜的历史温度数据、历史加湿数据以及当前温度值;
恒温酒柜加湿模块,用于确定所述历史温度数据的历史温度波动值,进而得到历史温度波动序列,将所述历史温度波动序列和所述当前温度值相匹配,得到下一个当前温度值的加湿预前决策值,根据该加湿预前决策值对恒温酒柜进行加湿;
温湿可关界定因子确定模块,用于根据所述历史温度数据和所述历史加湿数据确定温度影响特征值和加湿影响特征值,根据所述温度影响特征值和所述加湿影响特征值确定温湿可关界定因子;
加湿决策序列确定模块,用于根据所述历史温度数据和当前温度值确定恒温酒柜的多个区间温度预测域,确定每个区间温度预测域的区间温度趋近度,根据所有的区间温度趋近度确定温度预测序列,根据所述温度预测序列和所述温湿可关界定因子确定加湿决策序列;
恒温酒柜加湿控制模块,用于根据所述加湿决策序列对恒温酒柜的加湿时间和加湿功率进行调节。
第三方面,本申请提供一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一项所述的用于恒温酒柜的智能加湿控制方法的步骤。
第四方面,本申请提供一种计算机可读存储介质,所存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项所述的用于恒温酒柜的智能加湿控制方法的步骤。
本申请公开的实施例提供的技术方案具有以下有益效果:
本申请提供的用于恒温酒柜的智能加湿控制方法及其相关设备中,首先启动恒温酒柜智能加湿,获取恒温酒柜的历史温度数据、历史加湿数据以及当前温度值,确定所述历史温度数据的历史温度波动值,进而得到历史温度波动序列,根据所述历史温度波动序列确定加湿预前决策值,根据所述历史温度数据和所述历史加湿数据确定温度影响特征值和加湿影响特征值,通过所述温度影响特征值和所述加湿影响特征值确定温湿可关界定因子,确定所述当前温度值的多个区间温度预测域,进而确定每个区间温度预测域的区间温度趋近度,通过所有的区间温度趋近度确定温度预测序列,根据所述温度预测序列和所述温湿可关界定因子确定加湿决策序列,根据所述加湿决策序列和所述加湿预前决策值对恒温酒柜进行加湿调节。
该方案通过历史温度数据确定历史温度波动序列,从而确定加湿预前决策值,根据该加湿预前决策值对恒温酒柜进行加湿判断,可以对恒温酒柜提前加湿,从而减小恒温酒柜的温度波动范围,进而根据所述历史温度数据和所述历史加湿数据确定温湿可关界定因子,所述温湿可关界定因子表示历史加湿值的大小对恒温酒柜的历史温度值变化的影响程度的参数,影响因子越大,则表示加湿对温度造成的影响越大,根据所述历史温度数据和当前温度值确定温度预测序列,最终根据所述温度预测序列和所述温湿可关界定因子确定加湿决策序列,并根据所述加湿决策序列对恒温酒柜的加湿时间和加湿功率进行调节,利用准确的加湿决策序列对恒温酒柜进行调节与现有技术中通过控制加热装置控制恒温酒柜温度恒定相比,大大减小恒温酒柜恒定温度的波动范围。
附图说明
图1为一些实施例中用于恒温酒柜的智能加湿控制方法的流程示意图;
图2为一些实施例中用于恒温酒柜的智能加湿控制***的结构框图;
图3为一些实施例中计算机设备的内部结构图。
具体实施方式
本申请核心是启动恒温酒柜智能加湿,获取恒温酒柜的历史温度数据、历史加湿数据以及当前温度值,确定所述历史温度数据的历史温度波动值,进而得到历史温度波动序列,根据所述历史温度波动序列确定加湿预前决策值,根据所述历史温度数据和所述历史加湿数据确定温度影响特征值和加湿影响特征值,通过所述温度影响特征值和所述加湿影响特征值确定温湿可关界定因子,确定所述当前温度值的多个区间温度预测域,进而确定每个区间温度预测域的区间温度趋近度,通过所有的区间温度趋近度确定温度预测序列,根据所述温度预测序列和所述温湿可关界定因子确定加湿决策序列,根据所述加湿决策序列和所述加湿预前决策值对恒温酒柜进行加湿调节,与现有技术中通过控制加热装置控制恒温酒柜温度恒定相比,大大减小恒温酒柜恒定温度的波动范围。
为了更好的理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。参考图1,该图是根据本申请一些实施例所示的用于恒温酒柜的智能加湿控制方法的示例性流程图,该用于恒温酒柜的智能加湿控制方法100主要包括如下步骤:
在步骤101,启动恒温酒柜智能加湿,获取恒温酒柜的历史温度数据、历史加湿数据以及当前温度值。
具体实现时,启动指定恒温酒柜的智能加湿,并设置相应的恒温值;从恒温酒柜智能加湿的数据储存库中获取需要的历史温度数据和历史加湿数据,并记录实时温度显示器中的当前温度值。
需要说明的是,本申请中的历史温度数据表示所有历史温度值的集合,历史加湿数据表示所有历史加湿值的集合,所述历史加湿数据中的历史加湿值为历史湿度的变化值,例:历史湿度为30%,加湿后的历史湿度为40%,则历史湿度变化值为0.1,即历史加湿值为0.1。
需要说明的是,对历史温度数据中的每个历史温度值进行坐标设置,例如:2020年6月1日的历史温度数据为,则该历史温度数据中第一个历史温度值23℃的坐标为2020.6.1(1)、第二个历史温度值22℃的坐标为2020.6.1(2),依此类推,遍历该历史温度数据中的每一个历史温度值,最后一个历史温度值25℃的坐标为2022.6.1(11)。
在步骤102,确定所述历史温度数据的历史温度波动值,进而得到历史温度波动序列,根据所述历史温度波动序列确定加湿预前决策值。
在一些实施例中,确定所述历史温度数据的历史温度波动值,进而得到历史温度波动序列可采用下述步骤实现:
计算所述历史温度数据中每个历史温度值和当前温度值的差值,得到多个历史温度波动值;
将所有的历史温度波动值按照时间先后顺序进行排序,得到历史温度波动序列。
具体实现时,计算所述历史温度数据中每个历史温度值和当前温度值的差值,得到多个历史温度波动值,例如,历史温度数据为:,当前温度值为:/>,则得到的历史温度波动值为:/>;根据每个历史温度波动值对应的历史温度值的时间先后顺手对所有的历史温度波动值进行排序,例如/>在/>之前、/>在/>之前,则/>、/>、/>对应的历史温度波动序列为/>。
在一些实施例中,根据所述历史温度波动序列确定加湿预前决策值可采用下述步骤实现:
将所述历史温度波动序列按照该历史温度波动序列中的零值进行划分,得到多个历史温度波动去零序列;
根据所有的历史温度波动去零序列和预设的过渡温度预测阈区间确定过渡温度预测值,进而得到过渡温度预测域;
根据所述过渡温度预测域确定加湿预前决策值。
具体实现时,假设有一历史温度波动序列为:
其中,,如,/>,/>,依次类推,/>,将该序列中的零值去除,并将以零值分开的历史温度波动序列作为历史温度波动去零序列,例如上述一历史温度波动序列根据零值进行划分后得到的多个序列为:
、/>、/>、/>、/>
具体实现时,获取每个历史温度波动去零序列中的第一个历史温度波动值对应的历史温度值,并将处于过渡温度预测阈区间的历史温度值作为过渡温度预测值,将所有过渡温度预测值的集合作为过渡温度预测域,计算该过渡温度预测域中所有过渡温度预测值的平均值,并将该平均值作为当前温度值的下一个温度值的加湿预前决策值,例如:过渡温度预测域中的过渡温度预测值为24℃、25℃、24℃、26℃,当前温度值为23℃,过渡温度预测阈区间为[0.9×当前温度值,1.1×当前温度值],则将24℃、25℃、24℃的集合作为过渡温度预测域,将该过渡温度预测域的平均值24.3℃作为加湿预前决策值。
需要说明的是,本申请中的所述过渡温度预测阈区间为当前温度值的±10%,即[0.9×当前温度值,1.1×当前温度值];加湿预前决策值表示对当前温度值的下一个温度值进行预测的值,过渡温度预测阈区间可以通过历史的温度数据进行预设,一般过渡温度预测阈区间为当前温度值的±10%,在其它实施例中也可以采用其它方法确定,这里不在赘述。
需要说明的是,所述加湿预前决策值表示对当前温度值的下一个温度值的预测值,根据该加湿预前决策值对恒温酒柜进行加湿,可以对恒温酒柜提前加湿,从而减小恒温酒柜的温度波动范围。
在步骤103,根据所述历史温度数据和所述历史加湿数据确定温度影响特征值和加湿影响特征值,根据所述温度影响特征值和所述加湿影响特征值确定温湿可关界定因子。
在一些实施例中,根据所述历史温度数据和所述历史加湿数据确定温度影响特征值和加湿影响特征值可采用下述步骤实现:
对所述历史温度数据和所述历史加湿数据进行中值处理,得到历史温度数据中值和历史加湿数据中值;
根据所述历史温度数据中值确定所述历史温度数据中每个历史温度值对应的温度影响特征值;
根据所述历史加湿数据中值确定所述历史加湿数据中每个历史加湿值对应的加湿影响特征值。
具体实现时,对所述历史温度数据和所述历史加湿数据进行中值处理,得到历史温度数据中值和历史加湿数据中值,即:分别计算历史温度数据中所有历史温度值的平均值和历史加湿数据中所有历史加湿值的平均值,将得到的所有历史温度值的平均值作为所述历史温度数据的历史温度数据中值,将得到的所有历史加湿值的平均值作为所述历史加湿数据的历史加湿数据中值,例如:历史温度数据为,则所述历史温度数据的历史温度数据中值为/>;历史加湿数据为/>,则所述历史加湿数据的历史加湿数据中值为/>;将历史温度数据中的每一个历史温度值减去历史温度数据中值,得到每一个历史温度值对应的温度影响特征值,例如:历史温度值为/>,则该历史温度值对应的温度影响特征值为/>;将历史加湿数据中的每一个历史加湿值减去历史加湿数据中值,得到每一个历史加湿值对应的加湿影响特征值,例如:历史加湿值为/>,则该历史加湿值对应的加湿影响特征值为/>。
需要说明的是,本申请中的一个历史温度值对应一个历史加湿值,即,历史温度值的总个数等于历史加湿值的总个数。
在一些实施例中,通过所述温度影响特征值和所述加湿影响特征值确定温湿可关界定因子可采用下述步骤实现:
确定第个历史温度值对应的温度影响特征值/>;
确定第个历史加湿值对应的加湿影响特征值/>;
确定第个历史温度值对应的温度均衡因子/>;
确定第个历史加湿值对应的加湿均衡因子/>;
根据所述第个历史温度值对应的温度影响特征值/>、第/>个历史加湿值对应的加湿影响特征值/>、第/>个历史温度值对应的温度均衡因子/>和第/>个历史加湿值对应的加湿均衡因子/>确定温湿可关界定因子,其中温湿可关界定因子可采用下述公式确定:
其中,表示温湿可关界定因子,/>表示无穷小的正整数,用来防止分母为0,/>表示历史温度值的总个数,/>。
具体实现时,所述温度均衡因子和加湿均衡因子可以通过现有技术中的标准差对历史温度数据和历史加湿数据进行计算得到,其中温度均衡因子表示历史温度值的均衡程度的参数,加湿均衡因子表示历史加湿值的均衡程度的参数,温湿可关界定因子表示历史加湿值的大小对恒温酒柜的历史温度值变化的影响程度的参数,影响因子越大,则表示加湿对温度造成的影响越大,影响因子越小,则表示加湿对温度造成的影响越小。
在步骤104,确定所述当前温度值的多个区间温度预测域,进而确定每个区间温度预测域的区间温度趋近度,通过所有的区间温度趋近度确定温度预测序列,根据所述温度预测序列和所述温湿可关界定因子确定加湿决策序列。
在一些实施例中,确定所述当前温度值的多个区间温度预测域,进而确定每个区间温度预测域的区间温度趋近度可采用下述步骤实现:
获取所述历史温度数据中与当前温度值相等的历史温度值的历史相等温度坐标;
根据所述历史相等温度坐标对所述历史温度数据进行划分,得到多个温度预测区间;
确定每个温度预测区间的区间温度预测域,得到多个区间温度预测域;
确定每个区间温度预测域的区间温度趋近度。
具体实现时,获取所述历史温度数据中与当前温度值相等的历史温度值的历史相等温度坐标,即:当前温度值为23℃,2020年6月1日的历史温度数据为,则与当前温度值相等的历史温度值的历史相等温度坐标为:2020.6.1(1)、2020.6.1(4)、2020.6.1(8)、2020.6.1(9)。
具体实现时,根据所述历史相等温度坐标对所述历史温度数据进行划分,得到多个温度预测区间,即:历史温度数据为,与当前温度值相等的历史温度值的历史相等温度坐标为:2020.6.1(1)、2020.6.1(4)、2020.6.1(8)、2020.6.1(9),则直接根据历史相等温度坐标对该历史温度数据进行划分,得到2020.6.1(2)和2020.6.1(3),2020.6.1(5)、2020.6.1(6)和2020.6.1(7),2020.6.1(10)和2020.6.1(11),将划分后的历史相等温度坐标对应的历史温度数据归为同一区间,并将该区间作为温度预测区间,例如:/>为同一个温度预测区间,/>为同一个温度预测区间,为同一个温度预测区间。
其中,在一些实施例中,确定每个温度预测区间的区间温度预测域,得到多个区间温度预测域可采用下述步骤实现:
选取一个温度预测区间;
根据预设的温度预测可信度确定该温度预测区间的温度预测上边界和温度预测下边界;
根据所述温度预测上边界和温度预测下边界对该温度预测区间进行划分,得到区间温度预测域;
重复上述步骤,得到剩余温度预测区间的区间温度预测域。
具体实现时,根据所述温度预测上边界和温度预测下边界对该温度预测区间进行划分,得到区间温度预测域,即:例如:选取的温度预测区间为:温度预测上边界为26℃,下边界为24℃,则区间温度预测域为/>;对每一个温度预测区间重复上述步骤,得到每个温度预测区间对应的区间温度预测域。
在一些实施例中,根据所述温度预测可信度确定该温度预测区间的温度预测上边界和温度预测下边界可采用下述公式确定:
其中,表示温度预测上边界,/>表示温度预测下边界,/>表示该温度预测区间的温度平均值,/>表示该温度预测区间的温度预测可信度,/>表示该温度预测区间中所有历史温度值的标准差。
需要说明的是,本申请中的温度预测上边界表示对区间温度预测域进行取值的上限,温度预测下边界表示对区间温度预测域进行取值的下限;温度预测可信度可根据历史的温度预测区间进行预设,温度预测可信度一般取值为0.1,在其它实施例中也可以使用其它方法进行设置,这里不做限定。
其中,在一些实施例中,确定每个区间温度预测域的区间温度趋近度可采用下述步骤实现:
获取第个区间温度预测域中第/>个历史温度值/>;
确定第个区间温度预测域中历史温度值的总个数/>;
确定当前温度值;
确定第个区间温度预测域的均衡影响系数/>;
确定第个区间温度预测域的响应系数/>;
根据所述第个区间温度预测域中第/>个历史温度/>、所述第/>个区间温度预测域中历史温度值的总个数/>、所述当前温度值/>、所述第/>个区间温度预测域的均衡影响系数/>和所述第/>个区间温度预测域的距离影响系数/>确定区间温度趋近度,其中区间温度趋近度采用下述公式确定:
其中,表示第/>个区间温度预测域的区间温度趋近度,/>表示以e为底的指数函数,/>。
需要说明的是,本申请中的均衡影响系数和响应系数可通过计算历史的区间温度趋近度的实验数据进行设置,和/>的取值在0到1之间,且/>,其中,均衡影响系数表示/>在区间温度趋近度的计算中的重要程度的参数,响应系数表示在区间温度趋近度的计算中的重要程度的参数,区间温度趋近度表示区间温度预测域中的历史温度值接近正确预测的准确度的参数,区间温度趋近度越小,则区间温度预测域中的历史温度值越接近正确的预测,区间温度趋近度越大,则区间温度预测域中的历史温度值越远离正确的预测。
具体实现时,通过所有的区间温度趋近度确定温度预测序列即:比较所有的区间温度趋近度,将最小的温度趋近度对应的区间温度预测域按照时间先后顺序进行排列,将排列得到的序列作为温度预测序列,且将该温度预测序列中的历史温度值均作为温度预测值。
在一些实施例中,根据所述温度预测序列和所述温湿可关界定因子确定加湿决策序列可采用下述步骤实现:
将所述温度预测序列中的所有温度预测值分别与所述温湿可关界定因子相乘,得到多个加湿决策值;
将每个加湿决策值按照所述温度预测序列中每个加湿决策值对应温度预测值的先后顺序进行排序,得到加湿决策序列。
具体实现时,根据所述温度预测序列中的所有温度预测值分别与所述温湿可关界定因子相乘,例如:某一温度预测序列为:
温湿可关界定因子为,则加湿决策值为:
加湿决策序列为:
。
在步骤105,根据所述加湿决策序列和所述加湿预前决策值对恒温酒柜进行加湿调节。
在一些实施例中,根据该加湿预前决策值对恒温酒柜进行加湿可采用下述步骤实现:
当该加湿预前决策值超过所述恒温酒柜的恒温值时,根据所述加湿决策序列对恒温酒柜进行加湿调节;
当该加湿预前决策值低于所述恒温酒柜的恒温值时,所述恒温酒柜在当前时刻不做加湿处理,进入待机状态。
具体实现时,例如:当该加湿预前决策值为24.3℃,实时恒温酒柜的恒温值为22℃,则启动所述恒温酒柜加湿装置,并根据所述加湿决策序列对恒温酒柜进行加湿调节;当该加湿预前决策值为21.3℃,恒温酒柜的恒温值为22℃,所述恒温酒柜在当前时刻不做加湿处理,进入待机状态,启动温度调节装置对恒温酒柜进行加热。
在一些实施例中,根据所述加湿决策序列对恒温酒柜进行加湿调节可采用下述步骤实现:
当所述加湿决策序列中有加湿决策值等于恒温酒柜的温度设定值时,根据该加湿决策值对应的时间对恒温酒柜的加湿时间进行调节;
当恒温酒柜的加湿时间超过预定加湿时间阈值时,增大恒温酒柜的加湿功率,重新计算温湿可关界定因子和加湿决策序列;
重复上述步骤,直至恒温酒柜的加湿时间低于预定加湿时间阈值。
具体实现时,例如:恒温酒柜设置的恒温值为23℃,加湿决策序列为,该加湿决策序列中23.3℃到23℃所用的时间为/>,则将该时间/>作为恒温酒柜的加湿时间;当恒温酒柜的加湿时间超过预定加湿时间阈值时,增大恒温酒柜的加湿功率,例如:恒温酒柜的温度设定值为/>,加湿决策序列为,恒温酒柜的加湿功率为/>,增大后的恒温酒柜的加湿功率为/>,则增大加湿功率后的温湿可关界定因子为/>,增大加湿功率后的加湿决策序列为:
,
若,则将该加湿决策序列中/>到/>所用的时间/>,作为增大加湿功率后恒温酒柜的加湿时间;若增大加湿功率后的加湿时间还是超过预定加湿时间阈值,则继续重复上述步骤,直至恒温酒柜的加湿时间低于预定加湿时间阈值。
另外,本申请的另一方面,在一些实施例中,本申请提供一种用于恒温酒柜的智能加湿控制***,参考图2,该图是根据本申请一些实施例所示的用于恒温酒柜的智能加湿控制***的示例性硬件和/或软件的示意图,该用于恒温酒柜的智能加湿控制***200包括:恒温酒柜智能加湿启动模块201、加湿预前决策值确定模块202、温湿可关界定因子确定模块203、加湿决策序列确定模块204和恒温酒柜加湿调节模块205,分别说明如下:
恒温酒柜智能加湿启动模块201,本申请中恒温酒柜智能加湿启动模块201主要用于启动恒温酒柜智能加湿,获取恒温酒柜的历史温度数据、历史加湿数据以及当前温度值;
加湿预前决策值确定模块202,本申请中加湿预前决策值确定模块202主要用于确定所述历史温度数据的历史温度波动值,进而得到历史温度波动序列,根据所述历史温度波动序列确定加湿预前决策值;
温湿可关界定因子确定模块203,本申请中温湿可关界定因子确定模块203主要用于根据所述历史温度数据和所述历史加湿数据确定温度影响特征值和加湿影响特征值,通过所述温度影响特征值和所述加湿影响特征值确定温湿可关界定因子;
加湿决策序列确定模块204,本申请中加湿决策序列确定模块204主要用于确定所述当前温度值的多个区间温度预测域,进而确定每个区间温度预测域的区间温度趋近度,通过所有的区间温度趋近度确定温度预测序列,根据所述温度预测序列和所述温湿可关界定因子确定加湿决策序列;
恒温酒柜加湿调节模块205,本申请中恒温酒柜加湿调节模块205主要用于根据所述加湿决策序列和所述加湿预前决策值对恒温酒柜进行加湿调节。
上述用于恒温酒柜的智能加湿控制***中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
另外,在一个实施例中,本申请提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图3所示。该计算机设备包括通过***总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的数据库用于存储用于恒温酒柜的智能加湿控制数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种用于恒温酒柜的智能加湿控制方法。
本领域技术人员可以理解,图3中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,还提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述用于恒温酒柜的智能加湿控制方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,存储有计算机程序,该计算机程序被处理器执行时实现上述用于恒温酒柜的智能加湿控制方法实施例中的步骤。
在一个实施例中,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述用于恒温酒柜的智能加湿控制方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
综上,本申请实施例公开的用于恒温酒柜的智能加湿控制方法及其相关设备中,首先,启动恒温酒柜智能加湿,获取恒温酒柜的历史温度数据、历史加湿数据以及当前温度值,确定所述历史温度数据的历史温度波动值,进而得到历史温度波动序列,根据所述历史温度波动序列确定加湿预前决策值,根据所述历史温度数据和所述历史加湿数据确定温度影响特征值和加湿影响特征值,通过所述温度影响特征值和所述加湿影响特征值确定温湿可关界定因子,确定所述当前温度值的多个区间温度预测域,进而确定每个区间温度预测域的区间温度趋近度,通过所有的区间温度趋近度确定温度预测序列,根据所述温度预测序列和所述温湿可关界定因子确定加湿决策序列,根据所述加湿决策序列和所述加湿预前决策值对恒温酒柜进行加湿调节,该方案与现有技术中通过控制加热装置控制恒温酒柜温度恒定相比,大大减小恒温酒柜恒定温度的波动范围。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (9)
1.一种用于恒温酒柜的智能加湿控制方法,其特征在于,包括如下步骤:
启动恒温酒柜智能加湿,获取恒温酒柜的历史温度数据、历史加湿数据以及当前温度值;
确定所述历史温度数据的历史温度波动值,进而得到历史温度波动序列,根据所述历史温度波动序列确定加湿预前决策值;
根据所述历史温度数据和所述历史加湿数据确定温度影响特征值和加湿影响特征值,通过所述温度影响特征值和所述加湿影响特征值确定温湿可关界定因子,所述温湿可关界定因子表示历史加湿值的大小对恒温酒柜的历史温度值变化的影响程度的参数;
确定当前温度值的多个区间温度预测域,进而确定每个区间温度预测域的区间温度趋近度,通过所有的区间温度趋近度确定温度预测序列,根据所述温度预测序列和所述温湿可关界定因子确定加湿决策序列;
根据所述加湿决策序列和所述加湿预前决策值对恒温酒柜进行加湿调节;
其中,通过所述温度影响特征值和所述加湿影响特征值确定温湿可关界定因子具体包括如下步骤:
确定第个历史温度值对应的温度影响特征值/>;
确定第个历史加湿值对应的加湿影响特征值/>;
确定第个历史温度值对应的温度均衡因子/>;
确定第个历史加湿值对应的加湿均衡因子/>;
根据所述第个历史温度值对应的温度影响特征值/>、第/>个历史加湿值对应的加湿影响特征值/>、第/>个历史温度值对应的温度均衡因子/>和第/>个历史加湿值对应的加湿均衡因子/>确定温湿可关界定因子,其中温湿可关界定因子采用下述公式确定:
;
其中,表示温湿可关界定因子,/>表示无穷小的正整数,用来防止分母为0,/>表示历史温度值的总个数,/>。
2.如权利要求1所述的方法,其特征在于,根据所述历史温度波动序列确定加湿预前决策值具体包括:
将所述历史温度波动序列按照该历史温度波动序列中的零值进行划分,得到多个历史温度波动去零序列;
根据所有的历史温度波动去零序列和预设的过渡温度预测阈区间确定过渡温度预测值,进而得到过渡温度预测域;
根据所述过渡温度预测域确定加湿预前决策值。
3.如权利要求1所述的方法,其特征在于,确定所述当前温度值的多个区间温度预测域,进而确定每个区间温度预测域的区间温度趋近度具体包括:
获取所述历史温度数据中与当前温度值相等的历史温度值的历史相等温度坐标;
根据所述历史相等温度坐标对所述历史温度数据进行划分,得到多个温度预测区间;
确定每个温度预测区间的区间温度预测域,得到多个区间温度预测域;
确定每个区间温度预测域的区间温度趋近度。
4.如权利要求3所述的方法,其特征在于,确定每个温度预测区间的区间温度预测域,得到多个区间温度预测域具体包括:
选取一个温度预测区间;
根据预设的温度预测可信度确定该温度预测区间的温度预测上边界和温度预测下边界;
根据所述温度预测上边界和温度预测下边界对该温度预测区间进行划分,得到区间温度预测域;
重复上述步骤,得到剩余温度预测区间的区间温度预测域。
5.如权利要求1所述的方法,其特征在于,根据所述加湿决策序列和所述加湿预前决策值对恒温酒柜进行加湿调节具体包括:
当该加湿预前决策值超过所述恒温酒柜的恒温值时,根据所述加湿决策序列对恒温酒柜进行加湿调节;
当该加湿预前决策值低于所述恒温酒柜的恒温值时,所述恒温酒柜在当前时刻不做加湿处理,进入待机状态。
6.如权利要求1所述的方法,其特征在于,所述历史加湿数据为所有历史加湿值的集合。
7.一种用于恒温酒柜的智能加湿控制***,其采用权利要求1所述的方法进行控制,其特征在于,该用于恒温酒柜的智能加湿控制***包括:
恒温酒柜智能加湿启动模块,用于启动恒温酒柜智能加湿,获取恒温酒柜的历史温度数据、历史加湿数据以及当前温度值;
加湿预前决策值确定模块,用于确定所述历史温度数据的历史温度波动值,进而得到历史温度波动序列,根据所述历史温度波动序列确定加湿预前决策值;
温湿可关界定因子确定模块,用于根据所述历史温度数据和所述历史加湿数据确定温度影响特征值和加湿影响特征值,通过所述温度影响特征值和所述加湿影响特征值确定温湿可关界定因子;
加湿决策序列确定模块,用于确定所述当前温度值的多个区间温度预测域,进而确定每个区间温度预测域的区间温度趋近度,通过所有的区间温度趋近度确定温度预测序列,根据所述温度预测序列和所述温湿可关界定因子确定加湿决策序列;
恒温酒柜加湿调节模块,用于根据所述加湿决策序列和所述加湿预前决策值对恒温酒柜进行加湿调节。
8.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的用于恒温酒柜的智能加湿控制方法的步骤。
9.一种计算机可读存储介质,所存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的用于恒温酒柜的智能加湿控制方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311667116.6A CN117369572B (zh) | 2023-12-07 | 2023-12-07 | 一种用于恒温酒柜的智能加湿控制方法及其相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311667116.6A CN117369572B (zh) | 2023-12-07 | 2023-12-07 | 一种用于恒温酒柜的智能加湿控制方法及其相关设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117369572A CN117369572A (zh) | 2024-01-09 |
CN117369572B true CN117369572B (zh) | 2024-03-15 |
Family
ID=89393256
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311667116.6A Active CN117369572B (zh) | 2023-12-07 | 2023-12-07 | 一种用于恒温酒柜的智能加湿控制方法及其相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117369572B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110244806A (zh) * | 2019-07-17 | 2019-09-17 | 潍坊科技学院 | 一种智能温室自动化控温控制装置及方法 |
CN111839101A (zh) * | 2020-06-28 | 2020-10-30 | 珠海格力电器股份有限公司 | 一种陈列柜控制方法、装置、存储介质及陈列柜 |
CN112817354A (zh) * | 2021-02-08 | 2021-05-18 | 中国农业大学 | 一种畜禽舍养殖环境温度预测控制***及其调控方法 |
EP3964916A1 (en) * | 2020-09-03 | 2022-03-09 | Inteligg P.C. | Multizonal thermostat utilizing a.i. algorithms and model predictive control on the cloud to optimally control the hvac system in a building |
CN116928984A (zh) * | 2023-08-22 | 2023-10-24 | 广州万为制冷设备工程有限公司 | 一种恒温恒湿冷库内外双循环温湿调控***及调控方法 |
CN116951888A (zh) * | 2022-07-19 | 2023-10-27 | 广东凯得智能科技股份有限公司 | 一种多温区冷柜的控制方法、装置、设备及介质 |
CN116963482A (zh) * | 2023-09-21 | 2023-10-27 | 广东云下汇金科技有限公司 | 一种基于数据中心暖通***的智能化节能方法及相关设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7158162B2 (en) * | 2003-12-18 | 2007-01-02 | Fuji Photo Film Co., Ltd. | Heating control method of heat development recording device and heat development recording device |
-
2023
- 2023-12-07 CN CN202311667116.6A patent/CN117369572B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110244806A (zh) * | 2019-07-17 | 2019-09-17 | 潍坊科技学院 | 一种智能温室自动化控温控制装置及方法 |
CN111839101A (zh) * | 2020-06-28 | 2020-10-30 | 珠海格力电器股份有限公司 | 一种陈列柜控制方法、装置、存储介质及陈列柜 |
EP3964916A1 (en) * | 2020-09-03 | 2022-03-09 | Inteligg P.C. | Multizonal thermostat utilizing a.i. algorithms and model predictive control on the cloud to optimally control the hvac system in a building |
CN112817354A (zh) * | 2021-02-08 | 2021-05-18 | 中国农业大学 | 一种畜禽舍养殖环境温度预测控制***及其调控方法 |
CN116951888A (zh) * | 2022-07-19 | 2023-10-27 | 广东凯得智能科技股份有限公司 | 一种多温区冷柜的控制方法、装置、设备及介质 |
CN116928984A (zh) * | 2023-08-22 | 2023-10-24 | 广州万为制冷设备工程有限公司 | 一种恒温恒湿冷库内外双循环温湿调控***及调控方法 |
CN116963482A (zh) * | 2023-09-21 | 2023-10-27 | 广东云下汇金科技有限公司 | 一种基于数据中心暖通***的智能化节能方法及相关设备 |
Also Published As
Publication number | Publication date |
---|---|
CN117369572A (zh) | 2024-01-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11965666B2 (en) | Control method for air conditioner, and device for air conditioner and storage medium | |
US10061274B2 (en) | Heating, ventilation, and air conditioning system controller | |
CN112232495B (zh) | 预测模型的训练方法、装置、介质和计算设备 | |
CN112150311A (zh) | 能耗异常状态检测方法、装置、计算机设备和存储介质 | |
CN113218537B (zh) | 温度异常检测模型的训练方法、装置、设备和存储介质 | |
CN110928341B (zh) | 温度控制方法、装置、设备及存储介质 | |
CN112183750A (zh) | 神经网络模型训练方法、装置、计算机设备及存储介质 | |
CN117369572B (zh) | 一种用于恒温酒柜的智能加湿控制方法及其相关设备 | |
CN116963482B (zh) | 一种基于数据中心暖通***的智能化节能方法及相关设备 | |
CN116839173A (zh) | 一种能耗优化方法、装置、存储介质和电子设备 | |
CN116301282B (zh) | 一种多核处理器芯片的低功耗控制方法和装置 | |
CN116697497A (zh) | 一种通风空调***控制方法、装置、设备和存储介质 | |
US9945572B2 (en) | Heating, ventilation, and air conditioning system controller | |
CN115906467A (zh) | 基于换电站的数据处理方法、装置、电子设备及存储介质 | |
CN113779722B (zh) | 一种压气机稳定性预测方法、装置和存储介质 | |
CN115013938A (zh) | 空调控制方法、装置、设备及存储介质 | |
CN111306695B (zh) | 压缩机负载数据优化方法、装置、计算机设备和存储介质 | |
CN112098782A (zh) | 一种基于神经网络的moa绝缘状态检测方法及*** | |
CN113915736B (zh) | 一种新风负荷预测方法、控制装置和*** | |
CN113237190B (zh) | 空调器防火控制方法及装置、空调器和可读存储介质 | |
CN113298256B (zh) | 自适应曲线学习方法、装置、计算机设备及存储介质 | |
CN113640115B (zh) | 适用于准等熵压缩实验数据逆问题求解的优化方法和*** | |
US20160132619A1 (en) | Energy management apparatus, energy management method, and non-transitory tangible computer readable medium thereof | |
CN114881382B (zh) | 一种用于供热需求负荷自主预测的优化调节方法 | |
CN116880615A (zh) | 温度控制方法、装置、***、计算机设备和存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |