JP6359182B2 - 機械の動作を制御するための方法およびシステム - Google Patents
機械の動作を制御するための方法およびシステム Download PDFInfo
- Publication number
- JP6359182B2 JP6359182B2 JP2017516816A JP2017516816A JP6359182B2 JP 6359182 B2 JP6359182 B2 JP 6359182B2 JP 2017516816 A JP2017516816 A JP 2017516816A JP 2017516816 A JP2017516816 A JP 2017516816A JP 6359182 B2 JP6359182 B2 JP 6359182B2
- Authority
- JP
- Japan
- Prior art keywords
- machine
- model
- prediction
- horizon
- control
- 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
- 238000000034 method Methods 0.000 title claims description 53
- 239000011159 matrix material Substances 0.000 claims description 15
- 238000005457 optimization Methods 0.000 claims description 15
- 230000006641 stabilisation Effects 0.000 claims description 14
- 238000011105 stabilization Methods 0.000 claims description 14
- 230000000087 stabilizing effect Effects 0.000 claims description 9
- 230000008878 coupling Effects 0.000 claims 2
- 238000010168 coupling process Methods 0.000 claims 2
- 238000005859 coupling reaction Methods 0.000 claims 2
- 230000006870 function Effects 0.000 description 57
- 238000010586 diagram Methods 0.000 description 24
- 238000004364 calculation method Methods 0.000 description 17
- 238000011217 control strategy Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 3
- 230000002441 reversible effect Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000008571 general function Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000007704 transition Effects 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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/10—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using selector switches
- G05B19/106—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using selector switches for selecting a programme, variable or parameter
-
- 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
- G05B13/048—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 using a predictor
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/23—Pc programming
- G05B2219/23456—Model machine for simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Feedback Control In General (AREA)
Description
本発明のいくつかの実施の形態は、モデルのパラメーターの真の値が不確実であっても、モデルのパラメーターの不確実性が既知の範囲内にあるという認識に基づいている。例えば、列車の質量は、空の列車および一杯に荷を積んだ列車の値の範囲内とすることができる。モデル212のアンサンブルは、モデルの不確実なパラメーターの全ての可能な値について得られるモデルを表す。
MPCコントローラーのコスト関数は、エネルギーを節減し、振動を最小限にし、部品の摩耗を低減するために、機械作動システムの使用を制限しながら、機械の状態を調整して所望の機械の挙動を達成することの所望の優先度を符号化する。
本発明のいくつかの実施の形態は、機械の運動に対する制約が、所定の範囲内のモデルのパラメーターの値の全ての変動について、機械の動作中満たされることを保証するために、状態の実現可能領域
本発明のいくつかの実施の形態は、MPCコントローラーがその予測ホライズンNに沿ってモデルの展開を予測する必要があるため、時点tにおけるモデルの推定値を全ての予測ステップについて用いることができないという認識に基づいている。代わりに、MPC予測ホライズンNの長さを有し、推定値ξの最も近似のN個の値を含む、時点tにおける現在の推定値ξ(t)が、遅延バッファー211内に配置される。次に、数値問題の構築(246)により、遅延バッファー上に配置された過去の全ての推定値からMPC予測モデルが組み立てられる。
いくつかの実施の形態では、予測モデル、コスト関数、MPC制約および現在の状態x(t)から、MPCコントローラーが有限ホライズン最適制御問題
Claims (18)
- 機械のモデルに従って該機械の動作を制御する方法であって、
制御入力に対する制約を条件とした予測ホライズンに沿ったコスト関数の最適化から決定された前記制御入力を用いて、前記機械の前記動作を反復的に制御することであって、前記最適化は、前記モデルに従い、前記コスト関数は、前記モデルの少なくとも1つのパラメーターを含むことと、
前記モデルの前記パラメーターを更新することであって、結果として前記制御の少なくともいくつかの反復について前記コスト関数が更新されることと
を含み、該方法は、プロセッサを用いて実行され、前記制御により前記機械の状態が変化し、
前記コスト関数は、目標状態への前記機械の移動を方向付けるための安定化成分と、前記目標状態までの前記機械の前記移動を最適化するための性能成分とを含み、前記モデルの前記パラメーターは、前記安定化成分の関数に含まれ、前記パラメーターを変更することにより前記安定化成分が変更される、方法。 - 前記安定化成分は、前記モデルのパラメーターの推定値によって重み付けされた安定化行列の和を含む、請求項1に記載の方法。
- 不確実なモデルのパラメーターの値間の対称性を利用して前記安定化行列の少なくとも一部分を求め、数値問題の複雑度を低減することをさらに含む、請求項2に記載の方法。
- 前記モデルのパラメーターの許容可能な値の範囲を規定することで前記モデルの集合体が形成され、前記方法は、
前記モデルの集合体の中で、線型モデルの凸結合に含まれるパラメーターを求めることをさらに含む、請求項1に記載の方法。 - 前記制約は、前記モデルの前記パラメーターの前記許容可能な値および前記機械への許容可能な制御入力について、仕様制約を満たすことを確実にする制御不変制約を含む、請求項5に記載の方法。
- 前記制約は、前記予測ホライズンの端部における終端状態のための領域を指定する終端制約を含み、前記方法は、
仕様制約、前記モデルの集合体および前記コスト関数を用いて前記終端制約を決定することをさらに含む、請求項5に記載の方法。 - 前記機械の実現可能な状態の現在の集合から開始し、前記機械の状態の後方到達可能集合が前記現在の集合によって囲まれるまで、前記機械の動力学の1ステップの展開後に前記現在の集合内にある、前記現在の集合内の前記状態の前記後方到達可能集合を反復して求める後方到達可能方法を用いて、前記終端制約の前記領域を画定することをさらに含む、請求項7に記載の方法。
- 前記制御不変制約を満たす全ての状態について前記コスト関数の前記最適化に対する解が存在する前記予測ホライズンの最小長さを決定することと、
前記予測ホライズンの長さを、好ましい長さと前記最小長さとの間で最大の長さとして決定することと
をさらに含む、請求項6に記載の方法。 - 前記予測ホライズンは、好ましい予測ホライズンに等しく、終端集合は、安定化利得および仕様制約から計算され、制御不変集合は、前記終端集合および前記好ましい予測ホライズンから計算される、請求項7に記載の方法。
- 前記予測ホライズンは、予測時点の予測モデルのシーケンスを含み、前記最適化が、予測時点ごとに、前記予測ホライズンについて制御入力のシーケンスを形成する制御入力を生成するようにし、前記制御入力の前記シーケンスを決定するための前記モデルは、少なくともいくつかの予測時点間で変化する、請求項1に記載の方法。
- 予測時点ごとに、該予測時点の前の複数の時点に決定された前記パラメーターを用いて予測モデルを決定して、前記予測ホライズンのための予測モデルのシーケンスを生成することと、
前記予測モデルのシーケンスを用いて前記制御入力のシーケンスを共同で決定することと
をさらに含む、請求項11に記載の方法。 - 前記複数の時点の数は、前記予測ホライズンの長さによって規定される、請求項12に記載の方法。
- 前記コスト関数の前記最適化を二次計画に変換することと、
前記二次計画を解いて前記制御入力を決定することと
をさらに含む、請求項1に記載の方法。 - 機械のモデルに従って該機械の動作を制御するためのシステムであって、
前記機械の状態を決定するセンサーと、
前記機械の前記状態を用いて前記モデルの少なくとも1つのパラメーターの値を更新するためのプロセッサであって、前記パラメーターの更新値が前記パラメーターの許容可能な値に対する制約を満たすようにする、プロセッサと、
制御入力に対する制約を条件とした予測ホライズンに沿ったコスト関数の最適化から決定された前記制御入力を用いて、前記予測ホライズンに沿った予測のために前記モデルを使用して前記機械の前記動作を反復的に制御するコントローラーであって、前記コスト関数は前記モデルの少なくとも1つのパラメーターを含み、前記パラメーターの前記更新された値が前記モデルおよび前記コスト関数を更新するようにする、コントローラーと
を備え、
前記コスト関数は、目標状態への前記機械の移動を方向付けるための安定化成分と、前記目標状態までの前記機械の前記移動を最適化するための性能成分とを含み、前記モデルの前記パラメーターは、前記安定化成分の関数に含まれ、前記パラメーターを変更することにより前記安定化成分が変更される
システム。 - 前記モデルのパラメーターの許容可能な値の範囲を規定することで前記モデルの集合体が形成され、前記制約は、前記モデルの前記パラメーターの前記許容可能な値および前記機械への許容可能な制御入力について、仕様制約を満たすことを確実にする制御不変制約を含み、該制約は、前記予測ホライズンの端部における終端状態のための領域を指定する終端制約を含み、前記プロセッサは、前記機械の実現可能な状態の現在の集合から開始し、前記機械の状態の後方到達可能集合が前記現在の集合によって囲まれるまで、前記機械の動力学の1ステップの展開後に前記現在の集合内にある、前記現在の集合内の前記状態の前記後方到達可能集合を反復して求める後方到達可能方法を用いて、前記終端制約の前記領域を画定する、請求項15に記載のシステム。
- 前記予測ホライズンは、予測時点の予測モデルのシーケンスを含み、前記最適化が、予測時点ごとに、前記予測ホライズンについて制御入力のシーケンスを形成する制御入力を生成するようにし、前記制御入力の前記シーケンスを決定するための前記モデルは、少なくともいくつかの予測時点間で変化する、請求項15に記載のシステム。
- 前記予測時点の数は、前記予測ホライズンの長さによって規定される、請求項17に記載のシステム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/727,970 US10281897B2 (en) | 2015-06-02 | 2015-06-02 | Model predictive control with uncertainties |
US14/727,970 | 2015-06-02 | ||
PCT/JP2016/067153 WO2016195117A1 (en) | 2015-06-02 | 2016-06-02 | Method and system for controlling operation of machine |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2017528848A JP2017528848A (ja) | 2017-09-28 |
JP6359182B2 true JP6359182B2 (ja) | 2018-07-18 |
Family
ID=56236007
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017516816A Active JP6359182B2 (ja) | 2015-06-02 | 2016-06-02 | 機械の動作を制御するための方法およびシステム |
Country Status (3)
Country | Link |
---|---|
US (1) | US10281897B2 (ja) |
JP (1) | JP6359182B2 (ja) |
WO (1) | WO2016195117A1 (ja) |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6996982B2 (ja) * | 2015-06-05 | 2022-01-17 | シエル・インターナシヨネイル・リサーチ・マーチヤツピイ・ベー・ウイ | モデル予測推定アプリケーションおよび制御アプリケーションでモデル用バックグラウンド要素の切替を行うためのシステムならびに方法 |
JP2018041150A (ja) * | 2016-09-05 | 2018-03-15 | オムロン株式会社 | モデル予測制御装置、モデル予測制御装置の制御方法、情報処理プログラム、および記録媒体 |
JP6859633B2 (ja) * | 2016-09-05 | 2021-04-14 | オムロン株式会社 | モデル予測制御装置、モデル予測制御装置の制御方法、情報処理プログラム、および記録媒体 |
US11307538B2 (en) * | 2017-02-10 | 2022-04-19 | Johnson Controls Technology Company | Web services platform with cloud-eased feedback control |
FR3063265B1 (fr) * | 2017-02-28 | 2019-04-05 | Renault S.A.S | Dispositif de controle de trajectoire d un vehicule |
US20180275621A1 (en) * | 2017-03-24 | 2018-09-27 | Mitsubishi Electric Research Laboratories, Inc. | Model Predictive Control with Uncertainties |
FR3066660B1 (fr) * | 2017-05-22 | 2020-04-03 | Safran Electronics & Defense | Procede de commande d'un circuit electronique commute |
US11501193B2 (en) * | 2017-12-18 | 2022-11-15 | Mitsubishi Electric Research Laboratories, Inc. | Model-based control under uncertainty |
JP6939513B2 (ja) * | 2017-12-21 | 2021-09-22 | 株式会社Ihi | モデル予測制御装置 |
US10860002B2 (en) * | 2018-03-19 | 2020-12-08 | Mitsubishi Electric Research Laboratories, Inc. | Receding horizon reference governor |
US10795330B2 (en) * | 2018-07-30 | 2020-10-06 | Mitsubishi Electric Research Laboratories, Inc. | Symmetry alternating direction method of multipliers |
US11106189B2 (en) * | 2019-03-06 | 2021-08-31 | Mitsubishi Electric Research Laboratories, Inc. | System and method for data-driven control of constrained system |
US10996639B2 (en) * | 2019-03-11 | 2021-05-04 | Mitsubishi Electric Research Laboratories, Inc. | Model predictive control of systems with continuous and discrete elements of operations |
US11124196B2 (en) * | 2019-07-02 | 2021-09-21 | Mitsubishi Electric Research Laboratories, Inc. | Receding horizon state estimator |
CN111025898B (zh) * | 2019-11-07 | 2021-08-24 | 江南大学 | 一种用于流程工业大规模过程控制的降维辨识方法 |
US11579575B2 (en) * | 2019-12-03 | 2023-02-14 | Baidu Usa Llc | Inverse reinforcement learning with model predictive control |
US11334085B2 (en) * | 2020-05-22 | 2022-05-17 | The Regents Of The University Of California | Method to optimize robot motion planning using deep learning |
US20210402980A1 (en) * | 2020-06-26 | 2021-12-30 | Mitsubishi Electric Research Laboratories, Inc. | System and Method for Data-Driven Reference Generation |
US11975725B2 (en) | 2021-02-02 | 2024-05-07 | Toyota Research Institute, Inc. | Systems and methods for updating the parameters of a model predictive controller with learned external parameters generated using simulations and machine learning |
US11977374B2 (en) * | 2021-08-02 | 2024-05-07 | Mitsubishi Electric Research Laboratories, Inc. | System and method for calibrating feedback controllers |
CN114326398B (zh) * | 2021-12-27 | 2024-04-05 | 华中科技大学 | 带有不可稳模态的线性切换***的控制方法及控制体系 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07191709A (ja) | 1993-12-27 | 1995-07-28 | Toshiba Corp | モデル予測制御のパラメータ設定方法 |
US5659667A (en) | 1995-01-17 | 1997-08-19 | The Regents Of The University Of California Office Of Technology Transfer | Adaptive model predictive process control using neural networks |
US6826521B1 (en) | 2000-04-06 | 2004-11-30 | Abb Automation Inc. | System and methodology and adaptive, linear model predictive control based on rigorous, nonlinear process model |
US7376472B2 (en) * | 2002-09-11 | 2008-05-20 | Fisher-Rosemount Systems, Inc. | Integrated model predictive control and optimization within a process control system |
JP4722461B2 (ja) | 2003-12-03 | 2011-07-13 | フィッシャー−ローズマウント システムズ, インコーポレイテッド | モデルスイッチングおよび属性補間を用いた適応型多変数プロセスコントローラ |
EP1787172A1 (en) | 2004-08-27 | 2007-05-23 | Eidgenössische Technische Hochschule Zürich | System for controlling hydroelectric power plants |
JP5037496B2 (ja) | 2005-05-13 | 2012-09-26 | トラスティーズ オブ ボストン ユニバーシティ | 1型糖尿病用の完全自動制御システム |
US7447554B2 (en) | 2005-08-26 | 2008-11-04 | Cutler Technology Corporation | Adaptive multivariable MPC controller |
US20070055392A1 (en) | 2005-09-06 | 2007-03-08 | D Amato Fernando J | Method and system for model predictive control of a power plant |
US7599751B2 (en) | 2006-10-13 | 2009-10-06 | Cutler Technology Corporation | Adaptive multivariable MPC controller with LP constraints |
US8126575B2 (en) | 2008-03-26 | 2012-02-28 | Fakhruddin T Attarwala | Universal model predictive controller |
US8032236B2 (en) | 2008-09-30 | 2011-10-04 | Rockwell Automation Technologies, Inc. | Asymetrical process parameter control system and method |
US20110016610A1 (en) | 2009-07-27 | 2011-01-27 | Steven Wieder | Sweatband with absorbent bamboo inner layer and related method of use |
JP5569079B2 (ja) | 2010-03-24 | 2014-08-13 | Jfeスチール株式会社 | オンラインモデル同定を用いたモデル予測制御方法および装置 |
US9400491B2 (en) * | 2013-03-15 | 2016-07-26 | Rockwell Automation Technologies, Inc. | Stabilized deteministic optimization based control system and method |
US9618912B2 (en) | 2013-05-17 | 2017-04-11 | Mitsubishi Electric Research Laboratories, Inc. | MPC controller using parallel quadratic programming |
-
2015
- 2015-06-02 US US14/727,970 patent/US10281897B2/en active Active
-
2016
- 2016-06-02 JP JP2017516816A patent/JP6359182B2/ja active Active
- 2016-06-02 WO PCT/JP2016/067153 patent/WO2016195117A1/en active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2016195117A1 (en) | 2016-12-08 |
JP2017528848A (ja) | 2017-09-28 |
US10281897B2 (en) | 2019-05-07 |
US20160357169A1 (en) | 2016-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6359182B2 (ja) | 機械の動作を制御するための方法およびシステム | |
JP6513015B2 (ja) | 機械の動作を制御する方法、および機械の動作を反復的に制御する制御システム | |
EP3175306B1 (en) | Optimized parameterization of active disturbance rejection control | |
EP3924884B1 (en) | System and method for robust optimization for trajectory-centric model-based reinforcement learning | |
US10620604B2 (en) | Online integration of model-based optimization and model-less control | |
JP7090734B2 (ja) | 制御システム、制御方法及び記憶媒体 | |
JP2016100009A5 (ja) | ||
JP7325481B2 (ja) | 制御システム、工場システム、学習システム、推定用モデルの生成方法及びアクチュエータの状態推定方法 | |
EP2818947A1 (en) | Method for automatically setting controller bandwidth | |
KR101234797B1 (ko) | 로봇 및 산출된 공분산을 이용한 로봇의 위치 추정 방법 | |
Depraetere et al. | Comparison of model-free and model-based methods for time optimal hit control of a badminton robot | |
US9946241B2 (en) | Model predictive control with uncertainties | |
Caarls et al. | Parallel online temporal difference learning for motor control | |
KR102382047B1 (ko) | Pso를 이용한 모터 제어기의 자동 학습 튜닝 시스템 | |
CN117539144A (zh) | 基于改进猎人猎物算法的pid控制方法及*** | |
JP6867307B2 (ja) | ステージ済アプリケーションによりライブ状態の制御/推定アプリケーションを置換するシステムと方法 | |
JP2021051462A (ja) | 情報処理装置及びプログラム | |
JP7357813B2 (ja) | データ駆動型モデル適応を用いる制御のための装置および方法 | |
CN117319169B (zh) | 多智能体***分布式优化方法、装置、终端及存储介质 | |
JP2021015394A (ja) | 情報処理装置及びプログラム | |
Sokolov | Problems of adaptive optimal control of discrete-time systems under bounded disturbance and linear performance indexes | |
Wu et al. | Member Flight Control System (MFCS) | |
JP2023160722A (ja) | Hvacフロー制御への適用を伴うロバストな適応型推定器設計のための時変強化学習 | |
JP2024520177A (ja) | 高次元物理システムのモデリング、予測、および制御を行うためのロバスト適応動的モード分解 | |
Garcia et al. | Adaptive Stabilization of Networked Control Systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20170327 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20170327 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20170925 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20171017 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20171212 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180215 |
|
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: 20180522 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180619 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6359182 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 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |