JP2020186683A - 学習装置及び推定装置 - Google Patents
学習装置及び推定装置 Download PDFInfo
- Publication number
- JP2020186683A JP2020186683A JP2019091912A JP2019091912A JP2020186683A JP 2020186683 A JP2020186683 A JP 2020186683A JP 2019091912 A JP2019091912 A JP 2019091912A JP 2019091912 A JP2019091912 A JP 2019091912A JP 2020186683 A JP2020186683 A JP 2020186683A
- Authority
- JP
- Japan
- Prior art keywords
- physical quantity
- knocking
- mask
- threshold value
- sound
- 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
- 230000006870 function Effects 0.000 claims abstract description 92
- 238000012546 transfer Methods 0.000 claims abstract description 83
- 238000013528 artificial neural network Methods 0.000 claims abstract description 28
- 238000004364 calculation method Methods 0.000 claims description 54
- 238000002485 combustion reaction Methods 0.000 claims description 45
- 238000013527 convolutional neural network Methods 0.000 claims description 7
- 239000000284 extract Substances 0.000 claims description 6
- 238000012545 processing Methods 0.000 description 37
- 238000000034 method Methods 0.000 description 29
- 230000008569 process Effects 0.000 description 21
- 238000001228 spectrum Methods 0.000 description 19
- 238000000926 separation method Methods 0.000 description 15
- 238000013480 data collection Methods 0.000 description 12
- 230000005540 biological transmission Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000012937 correction Methods 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000001131 transforming effect Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013016 damping Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 239000000567 combustion gas Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Landscapes
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
Abstract
Description
このような構成によれば、閾値を適切に設定できるので、所望の物理量に対する閾値判定をより正確に行うことが可能となる。
このような構成によれば、閾値を適切に設定できるので、ノイズ成分が除去された入力物理量に対する閾値判定をより正確に行うことが可能となる。
このような構成によれば、所望の物理量に対する閾値判定をより正確に行うことができる。例えば、推定した内燃機関の筒内圧について、ノッキングの有無をより正確に判定することができる。
このような構成によれば、ノイズ成分が除去された入力物理量に対する閾値判定をより正確に行うことが可能となる。例えば、推定したノッキング音の大きさについて、ノッキングの有無をより正確に判定することができる。
まず、図1を参照し、実施形態に係るノッキング判定装置を説明する前提として、信号分離問題の一例である音分離問題、及び、伝達関数の推定問題について説明する。その後、ノッキング判定装置について説明する。なお、各実施形態において、同一の手段には同一の符号を付し、説明を省略した。
なお、図1では、エンジン1の近傍音や筒内圧は、これらを短時間フーリエ変換した時間−周波数マップを表している。
x:エンジンの筒内圧
X:エンジンの筒内圧のフーリエスペクトル
y:エンジンの近傍音
Y:エンジンの近傍音のフーリエスペクトル
h:インパルス応答
H:インパルス応答の伝達関数
e:ノッキング音以外の雑音信号
E:雑音信号のフーリエスペクトル
[ノッキング判定システムの全体構成]
図2を参照し、第1実施形態に係るノッキング判定システム100の全体構成について説明する。図2に示すように、ノッキング判定システム100は、試験対象となるエンジン1のノッキングの有無を判定するものであり、音圧センサ4と、筒内圧センサ5と、データ収集装置6と、モニタ7と、ノッキング判定装置10とを備える。
閾値算出モードの場合、ノッキングが発生しない運転条件でエンジン1を運転し、データ収集装置6が、音圧信号を収集することとする。
なお、閾値算出モード又は判定モードの場合、データ収集装置6が、筒内圧信号を収集する必要はない。
図3を参照し、ノッキング判定装置10の構成について説明する。図3に示すように、ノッキング判定装置10は、信号切出部11と、スペクトル算出部12と、信号記憶部13と、スイッチ14と、学習処理部(学習装置)20と、判定処理部(推定装置)30とを備える。ここで、ノッキング判定装置10は、データ収集装置6から、音圧信号と、この音圧信号に関連付けられた角度情報とが入力される。さらに、学習モードの場合、ノッキング判定装置10は、データ収集装置6から筒内圧信号が入力される。
その後、信号切出部11は、切り出した音圧信号をスペクトル算出部12に出力する。
その後、スペクトル算出部12は、時間周波数領域に変換した音圧信号を信号記憶部13に書き込む。
学習処理部20は、学習モードにおいて、マスクαを生成するネットワークの重み及び伝達関数Hを学習する学習処理(図9)を行い、閾値算出モードにおいて、エンジン1の推定筒内圧の閾値判定に用いる閾値を算出する閾値算出処理(図10)を行う。図3に示すように、学習処理部20は、学習部21と、学習済みパラメータ記憶部22と、第1推定部23と、閾値算出部24と、閾値記憶部25とを備える。
その後、学習部21は、学習したマスクαを生成するネットワークの重み及び伝達関数Hを学習済みパラメータ記憶部22に書き込む。
図5〜図7を参照し、マスクαを生成するネットワーク(マスク生成ネットワーク94A)の重み及び伝達関数Hの学習について説明する。図5に示すように、雑音が含まれるエンジン近傍音90にマスクαを乗じると、その雑音が除去されたエンジン近傍音91を求めることができる。そして、雑音が除去されたエンジン近傍音91に伝達関数Hを乗じると、音圧から筒内圧に物理量が変換され、エンジン1の推定筒内圧92を求めることができる。
参考文献:SINGING VOICE SEPARATION WITH DEEP U-NET CONVOLUTIONAL NETWORKS, Andreas Jansson , Proceedings of the 18th ISMIR Conference, Suzhou, China, October 23-27, 2017
学習済みパラメータ記憶部22は、学習済みのパラメータ(マスクαを生成するネットワークの重み及び伝達関数H)を記憶するメモリ、HDD、SSD等の記憶装置である。
その後、第1推定部23は、推定筒内圧を閾値算出部24に出力する。
その後、閾値算出部24は、算出した閾値を閾値記憶部25に書き込む。
その後、第2推定部31は、推定筒内圧を閾値判定部32に出力する。
その後、閾値判定部32は、ノッキング有無の判定結果と、第2推定部31から入力された推定筒内圧の時間−周波数マップとをモニタ7(図2)に出力する。
以下、ノッキング判定装置10の動作について説明する。学習モードの場合、ノッキング判定装置10は、図8のデータ収集処理を行った後、図9の学習処理を行う。閾値算出モードの場合、ノッキング判定装置10は、図8のデータ収集処理を行った後、図10の閾値算出処理を行う。判定モードの場合、ノッキング判定装置10は、図8のデータ収集処理を行った後、図11の判定処理を行う。
図8を参照し、学習モード、閾値算出モード及び判定モードで実行されるデータ収集処理を説明する。
図8に示すように、ステップS20において、データ収集装置6が、音圧信号、筒内圧力信号(教師データ)、及び、角度情報を信号切出部11に入力する。なお、閾値算出モード又は判定モードの場合、ステップS20では、筒内圧力信号を入力する必要がない。
ステップS21において、信号切出部11は、角度情報から各気筒の燃焼行程タイミングを算出する。
ステップS22において、信号切出部11は、ステップS21で算出した燃焼行程タイミングに合わせて、TDC付近の音圧信号を切り出す。
ステップS23において、スペクトル算出部12は、ステップS22で切り出した音圧信号に対して高速フーリエ変換を行い、時間周波数成分を算出する。
ステップS24において、スペクトル算出部12は、時間周波数領域に変換した音圧信号を信号記憶部13に書き込む。
図9を参照し、学習モードで実行される学習処理を説明する。
図9に示すように、ステップS30において、スイッチ14は、信号記憶部13から音圧信号及び筒内圧信号を読み出して、学習部21に入力する。
ステップS31において、学習部21は、ステップS30で入力された音圧信号及び筒内圧信号を用いて、マスクαを生成するネットワークの重み及び伝達関数Hを学習する。学習部21は、畳み込みニューラルネットワーク(例えば、U−Net)によりマスクαを生成するネットワークの重みを学習し、伝達関数Hとして、音圧信号の時間周波数成分に乗じる重みを学習する。
ステップS32において、学習部21は、学習したマスクαを生成するネットワークの重み及び伝達関数Hを学習済みパラメータ記憶部22に書き込む。
図10を参照し、閾値算出モードで実行される閾値算出処理を説明する。
図10に示すように、ステップS40において、第1推定部23は、ニューラルネットワークにより、信号記憶部13のマスクα及び伝達関数Hを用いて、音圧信号からエンジン1の筒内圧を推定する。
ステップS41において、閾値算出部24は、エンジン1の各サイクルで推定筒内圧の時間周波数成分を総和する。
ステップS42において、閾値算出部24は、全サイクルにおいて、総和した推定筒内圧の中央値を算出する。
ステップS43において、閾値算出部24は、予め設定したマージンを中央値に加算し、閾値とする。
ステップS44において、閾値算出部24は、算出した閾値を閾値記憶部25に書き込む。
図11を参照し、判定モードで実行される判定処理を説明する。
図11に示すように、ステップS50において、第2推定部31は、ニューラルネットワークにより、学習済みパラメータ記憶部22のマスクαを生成するネットワークの重み及び伝達関数Hを用いて、信号記憶部13より入力された音圧信号からエンジン1の筒内圧を推定する。
ステップS51において、閾値判定部32は、エンジン1の各サイクルで推定筒内圧の時間周波数成分を総和する。
ステップS52において、閾値判定部32は、閾値記憶部25に記憶済みの閾値と、総和した推定筒内圧とを比較し、推定筒内圧が閾値を超えているか否かを判定する。
推定筒内圧が閾値を超えている場合(ステップS52でYes)、閾値判定部32は、ノッキング有りと判定する(ステップS53)。
推定筒内圧が閾値未満の場合、(ステップS52でNo)、閾値判定部32は、ノッキング無しと判定する(ステップS54)。
ステップS55において、閾値判定部32は、閾値判定の結果及び推定筒内圧をモニタ7に出力する。
以上説明したように、本実施形態によれば、以下に記載の効果を奏することができる。
(1)このような構成によれば、学習処理部20は、所望の物理量を推定するためのマスクαを生成するネットワークの重みや伝達関数Hを学習する。これにより、学習したネットワークにより生成されたマスクαを用いて、入力物理量に含まれるノイズ成分を除去し、伝達関数Hを用いて、ノイズ成分が除去された入力物理量から所望の物理量を推定することができる。つまり、前記したマスクαや伝達関数Hを用いて、判定結果を裏付ける所望の物理量を外部に提示することができる。
(4)学習処理部20は、閾値を適切に設定できるので、エンジン1の推定筒内圧に対する閾値判定をより正確に行うことが可能となる。
前記した第1実施形態は、これを適宜変更した以下の形態にて実施することもできる。
第1実施形態では、マスクα及び伝達関数Hを用いて、雑音が含まれるエンジン近傍音90からエンジン1の推定筒内圧92を求める場合を例示した(図5)。しかし、図12に示すように、マスクαを用いて、雑音が含まれるエンジン近傍音90から、雑音が含まれないエンジン近傍音(ノッキング音)91を推定してもよい。これにより、雑音が含まれないエンジン近傍音91の大きさを外部に提示可能となる。
図13を参照し、第2実施形態に係るノッキング判定装置10Bの構成について、第1実施形態と異なる点を説明する。
なお、学習処理部20B及び判定処理部30B以外は、第1実施形態と同様のため、説明を省略する。
以上、本発明の実施形態を詳述してきたが、本発明は前記した実施形態に限られるものではなく、本発明の要旨を逸脱しない範囲の設計変更等も含まれる。
前記した実施形態では、入力物理量がエンジンの近傍音(音圧)であり、所望の物理量がエンジン1の推定筒内圧(圧力)であることとして説明したが、物理量の種類はこれらに限定されない。つまり、本発明で推定可能な所望の物理量は、前記した信号分離問題及び伝達関数の推定問題として扱うことが可能なものであればよい。これら所望の物理量の一例として、音圧、圧力、又は振動(変位、速度、加速度)がある。
また、入力物理量及び所望の物理量は、異なる種類の物理量だけでなく、同種の物理量であってもよい。例えば、入力物理量が車外の音であり、所望の物理量が車内空間の音であってもよい。
例えば、ボア径等の関係により、ノッキング音の時間周波数特性が変化しない一方、ボディ構造やマイクの位置及び周波数特性の関係により、伝達関数が変化する場合がある。この場合、マスク生成に必要なネットワークの重みを学習せず、伝達関数を学習すればよい。
また、伝達関数が既知の一方、ノッキング音の時間周波数特性が未知の場合がある。この場合、伝達関数を学習せず、マスク生成に必要なネットワークの重みを学習すればよい。
Claims (9)
- 入力物理量に含まれるノイズ成分を除去し、前記ノイズ成分が除去された入力物理量から所望の物理量を推定するための学習装置であって、
ニューラルネットワークにより、前記入力物理量に含まれるノイズ成分を除去するマスクを生成するネットワークの重み、及び/又は、前記マスクにより前記ノイズ成分が除去された入力物理量を前記所望の物理量に変換する伝達関数を学習する学習部、
を備えることを特徴とする学習装置。 - 前記ノイズ成分は、内燃機関で発生するノッキング音以外の雑音であり、
前記入力物理量は、前記雑音及び前記ノッキング音が含まれる前記内燃機関の音圧であり、
前記所望の物理量は、ノッキング発生時の前記内燃機関の筒内圧であり、
前記学習部は、
前記ニューラルネットワークにより、前記雑音を除去し、かつ、前記ノッキング音を抽出するマスクを生成するネットワークの重み、及び/又は、前記マスクにより抽出されたノッキング音を前記ノッキング発生時の内燃機関の筒内圧に変換する伝達関数を学習することを特徴とする請求項1に記載の学習装置。 - 前記学習部は、
畳み込みニューラルネットワークにより前記マスクを生成するネットワークの重みを学習し、
前記伝達関数として、前記マスクにより前記ノイズ成分が除去された入力物理量に乗じる重みを学習することを特徴とする請求項1又は請求項2に記載の学習装置。 - ニューラルネットワークにより、前記マスク及び前記伝達関数を用いて、前記入力物理量から前記所望の物理量を推定する第1推定部と、
前記第1推定部が推定した所望の物理量を所定時間毎に総和し、総和した前記所望の物理量の中央値を算出し、算出した前記中央値を基準として閾値を設定する閾値算出部と、
をさらに備えることを特徴とする請求項1から請求項3の何れか一項に記載の学習装置。 - ニューラルネットワークにより、前記マスクを用いて、前記ノイズ成分が含まれる入力物理量から前記ノイズ成分が除去された入力物理量を推定する第1推定部と、
前記第1推定部が推定した入力物理量を所定時間毎に総和し、総和した前記入力物理量の中央値を算出し、算出した前記中央値を基準として閾値を設定する閾値算出部と、
をさらに備えることを特徴とする請求項1から請求項3の何れか一項に記載の学習装置。 - 入力物理量に含まれるノイズ成分を除去し、前記ノイズ成分が除去された入力物理量から所望の物理量を推定する推定装置であって、
ニューラルネットワークにより、前記入力物理量に含まれるノイズ成分を除去するマスクと、前記マスクにより前記ノイズ成分が除去された入力物理量を所望の物理量に変換する伝達関数とを用いて、前記入力物理量から前記所望の物理量を推定する第2推定部、
を備えることを特徴とする推定装置。 - 予め設定された閾値と、前記第2推定部が推定した所望の物理量との閾値判定を行う閾値判定部、
をさらに備えることを特徴とする請求項6に記載の推定装置。 - ノイズ成分が含まれる入力物理量の前記ノイズ成分を除去し、前記ノイズ成分が除去された入力物理量を推定する推定装置であって、
ニューラルネットワークにより、前記入力物理量に含まれるノイズ成分を除去するマスクを用いて、前記ノイズ成分が含まれる入力物理量から前記ノイズ成分が除去された入力物理量を推定する第2推定部、
を備えることを特徴とする推定装置。 - 予め設定された閾値と、前記第2推定部が推定した入力物理量との閾値判定を行う閾値判定部、
をさらに備えることを特徴とする請求項8に記載の推定装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019091912A JP6605170B1 (ja) | 2019-05-15 | 2019-05-15 | 学習装置及び推定装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019091912A JP6605170B1 (ja) | 2019-05-15 | 2019-05-15 | 学習装置及び推定装置 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019150671A Division JP6651040B1 (ja) | 2019-08-20 | 2019-08-20 | ノッキング判定装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6605170B1 JP6605170B1 (ja) | 2019-11-13 |
JP2020186683A true JP2020186683A (ja) | 2020-11-19 |
Family
ID=68532201
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019091912A Active JP6605170B1 (ja) | 2019-05-15 | 2019-05-15 | 学習装置及び推定装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6605170B1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20220149222A (ko) | 2021-04-30 | 2022-11-08 | 한국조선해양 주식회사 | 엔진 압력 예측 장치 및 방법 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7451946B2 (ja) | 2019-11-07 | 2024-03-19 | 株式会社アイシン | 制御装置 |
CN111982273B (zh) * | 2020-07-06 | 2022-08-16 | 北京交通大学 | 一种轨道交通车站站台的噪声监测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11508666A (ja) * | 1996-04-19 | 1999-07-27 | ローベルト ボツシユ ゲゼルシヤフト ミツト ベシユレンクテル ハフツング | 内燃機関のノック検出および制御装置 |
JP2017044148A (ja) * | 2015-08-26 | 2017-03-02 | 株式会社小野測器 | ノッキング判定装置及びノッキング判定方法 |
WO2019008752A1 (ja) * | 2017-07-07 | 2019-01-10 | 三菱電機株式会社 | データ処理装置、データ処理方法および圧縮データ |
-
2019
- 2019-05-15 JP JP2019091912A patent/JP6605170B1/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11508666A (ja) * | 1996-04-19 | 1999-07-27 | ローベルト ボツシユ ゲゼルシヤフト ミツト ベシユレンクテル ハフツング | 内燃機関のノック検出および制御装置 |
JP2017044148A (ja) * | 2015-08-26 | 2017-03-02 | 株式会社小野測器 | ノッキング判定装置及びノッキング判定方法 |
WO2019008752A1 (ja) * | 2017-07-07 | 2019-01-10 | 三菱電機株式会社 | データ処理装置、データ処理方法および圧縮データ |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20220149222A (ko) | 2021-04-30 | 2022-11-08 | 한국조선해양 주식회사 | 엔진 압력 예측 장치 및 방법 |
Also Published As
Publication number | Publication date |
---|---|
JP6605170B1 (ja) | 2019-11-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6605170B1 (ja) | 学習装置及び推定装置 | |
Albarbar et al. | Acoustic monitoring of engine fuel injection based on adaptive filtering techniques | |
CN106030273B (zh) | 爆震强度测量 | |
JP2002221074A (ja) | 内燃機関のノッキング/ミスファイヤの検出システム | |
JPWO2010035634A1 (ja) | 周波数成分分析装置 | |
Shahlari et al. | Pressure-based knock measurement issues | |
CN117572134A (zh) | 一种基于声音采集阵列检测的变压器故障分析方法及*** | |
JP6542073B2 (ja) | ノッキング判定装置及びノッキング判定方法 | |
JP6053335B2 (ja) | 波動方程式の反転による内燃機関のノッキング強度の推定方法及び機関の燃焼の制御方法 | |
JP6651040B1 (ja) | ノッキング判定装置 | |
JP2003279400A (ja) | 音質評価装置及び音質評価方法 | |
JP6444777B2 (ja) | ノッキングレベルの評価システム | |
JP6389780B2 (ja) | 信号解析装置およびノッキング検出装置 | |
JP6469553B2 (ja) | 機器状態判定装置、機器状態判定方法及びノッキング判定装置 | |
Alahmer et al. | Monitoring of a spark ignition engine malfunctions using acoustic signal technique | |
JP7166230B2 (ja) | タイル健全基準取得装置及び方法 | |
JP6959421B1 (ja) | 推定装置、及び、推定方法 | |
JP6959420B1 (ja) | 信号処理装置、及び、信号処理方法 | |
Klinchaeam et al. | Condition monitoring of a small four-stroke petrol engine using vibration signals | |
JP7516113B2 (ja) | 燃焼騒音パラメータを決定するための方法およびデバイス | |
JP2023091528A (ja) | 信号処理装置、及び、信号処理方法 | |
US20210087986A1 (en) | Method and device for determining combustion noise parameters | |
JP4764485B2 (ja) | 周波数成分分析装置 | |
JP6433340B2 (ja) | 信号解析装置およびノッキング検出装置 | |
JP2013204496A (ja) | ノック検出方法および装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190528 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20190606 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20190702 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190709 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190820 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20191008 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20191015 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6605170 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |