亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

用于設(shè)備狀態(tài)監(jiān)測(cè)中故障診斷的歸納的模式識(shí)別的制作方法

文檔序號(hào):6302995閱讀:256來(lái)源:國(guó)知局
用于設(shè)備狀態(tài)監(jiān)測(cè)中故障診斷的歸納的模式識(shí)別的制作方法
【專利摘要】在設(shè)備狀態(tài)監(jiān)測(cè)中使用歸納的模式識(shí)別來(lái)識(shí)別故障。在運(yùn)行數(shù)據(jù)中識(shí)別模式簇。除了評(píng)注的訓(xùn)練數(shù)據(jù),使用模式簇來(lái)訓(xùn)練分類器。運(yùn)行數(shù)據(jù)也被用來(lái)將運(yùn)行數(shù)據(jù)中的信號(hào)聚類為信號(hào)簇。通過(guò)評(píng)價(jià)置信度矢量,然后分類所監(jiān)測(cè)的數(shù)據(jù)樣本,所述置信度矢量包括用在與訓(xùn)練數(shù)據(jù)中所包含的信號(hào)相同的信號(hào)簇中的信號(hào)替換該包含在訓(xùn)練數(shù)據(jù)中的信號(hào)。
【專利說(shuō)明】用于設(shè)備狀態(tài)監(jiān)測(cè)中故障診斷的歸納的模式識(shí)別

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明一般地涉及設(shè)備狀態(tài)監(jiān)測(cè),并且更具體涉及用于使用有監(jiān)督的基于模式識(shí) 別的技術(shù)從有限的訓(xùn)練數(shù)據(jù)中檢測(cè)設(shè)備故障的方法、系統(tǒng)和計(jì)算機(jī)可讀介質(zhì)。

【背景技術(shù)】
[0002] 設(shè)備狀態(tài)監(jiān)測(cè)的任務(wù)是在早期階段檢測(cè)設(shè)備故障,使得能夠及時(shí)進(jìn)行維護(hù)。在故 障情況下,非常重要的是知道故障的原因,從而能夠進(jìn)行相應(yīng)定位的、并且由此更有效的維 護(hù)。
[0003] 基于規(guī)則的系統(tǒng)也許是最廣泛使用的狀態(tài)監(jiān)測(cè)方法。規(guī)則的一般格式是"如果一 個(gè)條件,則一個(gè)故障類型"。規(guī)則通過(guò)擁有基礎(chǔ)系統(tǒng)模型的知識(shí)的專家定義;然而,設(shè)計(jì)精確 的規(guī)則是非常深思熟慮并且耗時(shí)的過(guò)程,特別是對(duì)于具有許多傳感器和故障類型的復(fù)雜系 統(tǒng)。例如,需要80人數(shù)年的時(shí)間來(lái)開(kāi)發(fā)商業(yè)上成功的狀態(tài)監(jiān)測(cè)規(guī)則庫(kù)。


【發(fā)明內(nèi)容】

[0004] 本發(fā)明要通過(guò)提供一種用于設(shè)備狀態(tài)監(jiān)測(cè)的方法而解決上述需求。通過(guò)計(jì)算機(jī)接 收包括了隨著時(shí)間來(lái)自于0個(gè)信號(hào)的歷史運(yùn)行數(shù)據(jù)。從來(lái)自于在運(yùn)行數(shù)據(jù)中的個(gè)體信號(hào)的 數(shù)據(jù)中提取I個(gè)模式X?;谙嗨菩?,將I個(gè)模式聚類為K個(gè)模式簇c k,并且基于0個(gè)信號(hào) 中的相關(guān)性,將0個(gè)信號(hào)聚類為R個(gè)信號(hào)簇。
[0005] 接收評(píng)注的訓(xùn)練數(shù)據(jù)樣本,其包含來(lái)自于從0個(gè)信號(hào)中選擇的N個(gè)信號(hào)的數(shù)據(jù)并 且具有至少一個(gè)標(biāo)記的故障時(shí)段。創(chuàng)建KXN置信度矢量,其包含了用于N個(gè)信號(hào)中的每個(gè) 信號(hào)的K個(gè)置信度值,每個(gè)置信度值代表了在信號(hào)的標(biāo)記的故障時(shí)段中從數(shù)據(jù)中提取的模 式X屬于K個(gè)模式簇中的一個(gè)的置信度。通過(guò)使用KXN置信度矢量來(lái)訓(xùn)練分類器。
[0006] 然后接收監(jiān)測(cè)的數(shù)據(jù)樣本,其包括來(lái)自于0個(gè)信號(hào)的數(shù)據(jù)。基于0個(gè)信號(hào)中的至 少一個(gè)不在I個(gè)信號(hào)中的信號(hào)處于與I個(gè)信號(hào)中的一個(gè)信號(hào)相同的信號(hào)簇中,并且還基于 對(duì)〇個(gè)信號(hào)中的至少一個(gè)信號(hào)具有與I個(gè)信號(hào)中的一個(gè)信號(hào)的、包含于KXN置信度矢量中 的置信度值相似的置信度值的判斷,將監(jiān)測(cè)的數(shù)據(jù)樣本被分類為提示故障。
[0007] 在本發(fā)明的另一方面,提供了一種非暫時(shí)性計(jì)算機(jī)可用的介質(zhì),其具有存儲(chǔ)在其 上的計(jì)算機(jī)可讀指令,用于由處理器執(zhí)行,以執(zhí)行如上所述用于設(shè)備狀態(tài)監(jiān)測(cè)的方法。

【專利附圖】

【附圖說(shuō)明】
[0008] 圖1是按照本發(fā)明的一個(gè)實(shí)施方式的設(shè)備狀態(tài)監(jiān)測(cè)工具的示意圖,
[0009] 圖2是示出了按照本發(fā)明的一個(gè)實(shí)施方式的用于不同信號(hào)分類的置信度水平的 示例表,
[0010] 圖3是示出了按照本發(fā)明的一個(gè)實(shí)施方式的用于實(shí)例化一個(gè)工具的計(jì)算機(jī)系統(tǒng) 的示意圖。

【具體實(shí)施方式】 toon] 本公開(kāi)著重于一種用于使用機(jī)器學(xué)習(xí)的方法,并且具體地是有監(jiān)督的基于模式識(shí) 別的技術(shù)。機(jī)器學(xué)習(xí)模型是數(shù)據(jù)驅(qū)動(dòng)的:它們是從訓(xùn)練數(shù)據(jù)自動(dòng)被學(xué)習(xí)的。這可以非???地完成(例如,在數(shù)分鐘之內(nèi))。如果被合適地訓(xùn)練,則機(jī)器學(xué)習(xí)模型能夠比使用規(guī)則庫(kù)所 可能的更好地描述復(fù)雜故障狀態(tài)。
[0012] 因?yàn)闄C(jī)器學(xué)習(xí)技術(shù)是數(shù)據(jù)驅(qū)動(dòng)的,所以它們需要足夠的訓(xùn)練數(shù)據(jù)以獲得期望的精 度。訓(xùn)練數(shù)據(jù)應(yīng)當(dāng)代表正常運(yùn)行和故障模式二者。然而該要求是非常難以滿足的。容易獲 得代表了正常狀態(tài)的訓(xùn)練數(shù)據(jù),因?yàn)樵O(shè)備在其大部分壽命期間應(yīng)當(dāng)正常運(yùn)行。而獲取代表 了故障類型的訓(xùn)練數(shù)據(jù)是相當(dāng)?shù)奶魬?zhàn),因?yàn)槟承╊愋偷墓收峡赡軆H非常罕見(jiàn)地發(fā)生(甚至 我們考慮相似設(shè)備的集合)。即使對(duì)于那些少數(shù)實(shí)例,用戶也不可能花時(shí)間評(píng)注它們?nèi)俊?由此非??赡艿氖牵瑑H可獲得代表了一個(gè)故障的一個(gè)訓(xùn)練樣本,其使得故障相當(dāng)難以學(xué)習(xí)。 此外,在監(jiān)測(cè)期間,相同的故障類型可能在與在訓(xùn)練期間規(guī)定的信號(hào)不同的組的信號(hào)上顯 示。由此如果采用傳統(tǒng)的分類方法,幾乎不可能分類新的故障類型。
[0013] 圖1中示出的圖100提供在此提出的技術(shù)的概覽。技術(shù)包括兩部分:訓(xùn)練部分120 和監(jiān)測(cè)部分150。訓(xùn)練部分120附加地包括兩個(gè)子部分。在第一子部分中,使用運(yùn)行數(shù)據(jù) 131。特征在132從運(yùn)行數(shù)據(jù)中被提取并且被用于信號(hào)聚類133和模式聚類134。在訓(xùn)練 120的第二子部分中,對(duì)用戶評(píng)注的數(shù)據(jù)141進(jìn)行特征提取142并且將其轉(zhuǎn)換為置信度矢量 143,其在144被用來(lái)訓(xùn)練分類器。
[0014] 在監(jiān)測(cè)期間,來(lái)自于提取的特征151的信號(hào)聚類和模式聚類的結(jié)果被用來(lái)計(jì)算用 于測(cè)試模式的置信度值表152。然后在153從置信度值表中創(chuàng)建候選假定。最可能的候選假 定在154被分類以做出最終判斷("是"意味著存在故障并且"否"意味著模式是正常的。)
[0015] 在此描述的技術(shù)從有限的訓(xùn)練樣本歸納出在未來(lái)監(jiān)測(cè)期間可以預(yù)期到的故障特 征。在以下提出歸納的兩個(gè)方案,即模式聚類134和信號(hào)聚類133 (圖1),以從所述設(shè)備或 類似設(shè)備的運(yùn)行數(shù)據(jù)中提取有用信息。這樣的運(yùn)行數(shù)據(jù)是容易獲得的。運(yùn)行數(shù)據(jù)可以包括 用戶評(píng)注的訓(xùn)練數(shù)據(jù)和未評(píng)注的數(shù)據(jù),并且可以包含已知或未知的故障。
[0016] 在模式聚類方案中,模式通過(guò)將運(yùn)行數(shù)據(jù)中的所有模式進(jìn)行聚類而被歸納。每個(gè) 簇可以被看作是一個(gè)癥候。在與評(píng)注的模式相同的簇內(nèi)的所有模式是相似的并且能夠被看 作是評(píng)注的模式的可能變形。示出了一個(gè)癥候的模式的置信度也被計(jì)算,以允許軟聚類。
[0017] 在信號(hào)聚類方案中,信號(hào)通過(guò)使用運(yùn)行數(shù)據(jù)對(duì)所有信號(hào)進(jìn)行聚類而被歸納。假定 是,對(duì)于相同的故障類型的相似的癥候在未來(lái)只能在相似的信號(hào)上發(fā)生。在監(jiān)測(cè)期間,不是 僅檢查通過(guò)評(píng)注所規(guī)定的信號(hào),而是檢查與評(píng)注的信號(hào)相似的所有可能信號(hào)。每個(gè)可能的 候選形成一個(gè)假設(shè)并且主要的假設(shè)被用于做出最終判斷。
[0018] 問(wèn)題定義
[0019] 在訓(xùn)練期間,用戶從總共0個(gè)可獲得的和有意義的信號(hào)中選擇N個(gè)信號(hào), S1, S2, ...,Sn。那些選擇的N個(gè)信號(hào)可以是原始的傳感器(例如測(cè)量溫度、壓力)。它們也 可以是來(lái)自于先前的數(shù)據(jù)處理的結(jié)果,諸如計(jì)算的值(例如幾個(gè)原始傳感器的平均值)或 殘差(傳感器值與其理想值的偏差)。此外,用戶在故障發(fā)生時(shí)標(biāo)記在h-Τ+Ι和h之間的 時(shí)間階段T。數(shù)據(jù)評(píng)注通過(guò)圖1的塊141示出。
[0020] 上面的評(píng)注的目的是提示故障看起來(lái)如何并且其何時(shí)發(fā)生。用戶可以評(píng)注該故障 的L個(gè)這樣的實(shí)例。理想地,應(yīng)當(dāng)僅選擇涉及該故障的信號(hào)。類似地,應(yīng)當(dāng)僅標(biāo)記當(dāng)故障發(fā) 生時(shí)的時(shí)間戳。設(shè)X,T維的矢量,表示信號(hào)s的模式,使得
[0021] X = [s (t0_T+l),s (t0_T+2),· · ·,s (t0) ]τ。
[0022] 所有N個(gè)模式可以被置于

【權(quán)利要求】
1. 一種用于設(shè)備狀態(tài)監(jiān)測(cè)的方法,包括: 通過(guò)計(jì)算機(jī)接收包括了隨著時(shí)間來(lái)自于O個(gè)信號(hào)的歷史運(yùn)行數(shù)據(jù); 從來(lái)自于在運(yùn)行數(shù)據(jù)中的個(gè)體信號(hào)的數(shù)據(jù)中提取I個(gè)模式X; 基于相似性,將所述I個(gè)模式聚類為K個(gè)模式簇Ck; 基于所述O個(gè)信號(hào)中的相關(guān)性,將所述O個(gè)信號(hào)聚類為R個(gè)信號(hào)簇; 接收評(píng)注的訓(xùn)練數(shù)據(jù)樣本,其包含了來(lái)自于從所述O個(gè)信號(hào)中選擇的N個(gè)信號(hào)的數(shù)據(jù) 并且具有至少一個(gè)標(biāo)記的故障時(shí)段; 創(chuàng)建KXN置信度矢量,其包含了用于所述N個(gè)信號(hào)中的每個(gè)信號(hào)的K個(gè)置信度值,每 個(gè)置信度值代表了從信號(hào)的標(biāo)記的故障時(shí)段中的數(shù)據(jù)中提取的模式X屬于K個(gè)模式簇中的 一個(gè)的置信度; 使用所述KXN置信度矢量來(lái)訓(xùn)練分類器; 通過(guò)計(jì)算機(jī)接收包括了來(lái)自于所述O個(gè)信號(hào)的數(shù)據(jù)的監(jiān)測(cè)的數(shù)據(jù)樣本;以及 基于所述〇個(gè)信號(hào)中的不在I個(gè)信號(hào)中的至少一個(gè)信號(hào)處于與所述I個(gè)信號(hào)中的一個(gè) 信號(hào)相同的信號(hào)簇中,并且還基于對(duì)所述〇個(gè)信號(hào)中的至少一個(gè)信號(hào)具有與所述I個(gè)信號(hào) 中的一個(gè)信號(hào)的、包含于所述KXN置信度矢量中的置信度值相似的置信度值的判斷,而通 過(guò)計(jì)算機(jī)將監(jiān)測(cè)的數(shù)據(jù)樣本分類為提示故障。
2. 根據(jù)權(quán)利要求1所述的方法,其中,從運(yùn)行數(shù)據(jù)中的個(gè)體信號(hào)提取I個(gè)模式包括使用 固定長(zhǎng)度的滑動(dòng)時(shí)間窗。
3. 根據(jù)權(quán)利要求1所述的方法,其中,將所述I個(gè)模式聚類為K個(gè)模式簇并且將所述O 個(gè)信號(hào)聚類為R個(gè)信號(hào)簇還包括: 對(duì)于所述I個(gè)模式的每一個(gè),提取描述了模式的標(biāo)量特征;和 使用所述標(biāo)量特征來(lái)聚類模式和信號(hào)。
4. 根據(jù)權(quán)利要求1所述的方法,其中,將所述I個(gè)模式聚類為K個(gè)模式簇對(duì)于所有O個(gè) 信號(hào)執(zhí)行。
5. 根據(jù)權(quán)利要求1所述的方法,其中,將所述I個(gè)模式聚類為K個(gè)模式簇對(duì)于相同信號(hào) 簇中的信號(hào)執(zhí)行。
6. 根據(jù)權(quán)利要求1所述的方法,其中,將所述I個(gè)模式聚類為K個(gè)模式簇包括應(yīng)用 K-mean聚類以形成簇。
7. 根據(jù)權(quán)利要求1所述的方法,其中,將所述O個(gè)信號(hào)聚類為R個(gè)信號(hào)簇還包括: 基于歷史運(yùn)行數(shù)據(jù)計(jì)算成對(duì)的信號(hào)相關(guān)性;和 使用分級(jí)式聚類對(duì)信號(hào)進(jìn)行聚類。
8. 根據(jù)權(quán)利要求1所述的方法,其中,代表模式X屬于模式簇ck的置信度的每個(gè)置信 度值通過(guò)下式定義:
其中Pk是簇ck的權(quán)重,并且dist(f(x),μk)是在描述模式X的模式特征矢量f(x)和 簇Ck的平均μk之間的距離。
9. 根據(jù)權(quán)利要求1所述的方法,其中,對(duì)于特定信號(hào),K個(gè)置信度值中的一個(gè)置信度值 等于1,并且該K個(gè)置信度值中的剩余置信度值等于零。
10. 根據(jù)權(quán)利要求1所述的方法,其中,對(duì)于N個(gè)信號(hào)中的每一個(gè),K個(gè)置信度值的和等 于1。
11. 根據(jù)權(quán)利要求1所述的方法,其中,對(duì)監(jiān)測(cè)的數(shù)據(jù)樣本進(jìn)行分類包括: 對(duì)于監(jiān)測(cè)的數(shù)據(jù)樣本信號(hào)O的子組合,評(píng)價(jià)置信度矢量,其中每個(gè)評(píng)注的數(shù)據(jù)訓(xùn)練信 號(hào)N或者包括在子組合中或者在子組合中由如下所監(jiān)測(cè)的數(shù)據(jù)樣本信號(hào)代表,該所監(jiān)測(cè)的 數(shù)據(jù)樣本信號(hào)處于與被代表的評(píng)注的數(shù)據(jù)訓(xùn)練信號(hào)相同的信號(hào)簇Ck中。
12. 根據(jù)權(quán)利要求11所述的方法,其中,對(duì)監(jiān)測(cè)的數(shù)據(jù)樣本進(jìn)行分類還包括: 應(yīng)用貪婪算法,以識(shí)別主導(dǎo)的置信度矢量;和 判斷,用于所述主導(dǎo)的置信度矢量的評(píng)價(jià)函數(shù)值是否超過(guò)閾值。
13. -種非暫時(shí)性計(jì)算機(jī)可用介質(zhì),具有存儲(chǔ)于其上的計(jì)算機(jī)可讀指令,用于由處理器 運(yùn)行,以執(zhí)行設(shè)備狀態(tài)監(jiān)測(cè)的方法,該方法包括: 接收隨著時(shí)間來(lái)自于O個(gè)信號(hào)的歷史運(yùn)行數(shù)據(jù); 從來(lái)自于在運(yùn)行數(shù)據(jù)中的個(gè)體信號(hào)的數(shù)據(jù)中提取I個(gè)模式X; 基于相似性,將所述I個(gè)模式聚類為K個(gè)模式簇ck; 基于所述O個(gè)信號(hào)中的相關(guān)性,將所述O個(gè)信號(hào)聚類為R個(gè)信號(hào)簇; 接收有評(píng)注的訓(xùn)練數(shù)據(jù)樣本,其包含了來(lái)自于從所述O個(gè)信號(hào)中選擇的N個(gè)信號(hào)的數(shù) 據(jù)并且具有至少一個(gè)標(biāo)記的故障時(shí)段; 創(chuàng)建KXN置信度矢量,其包含了用于N個(gè)信號(hào)中的每個(gè)信號(hào)的K個(gè)置信度值,每個(gè)置 信度值代表了從信號(hào)的標(biāo)記的故障時(shí)段中的數(shù)據(jù)中提取的模式X屬于所述K個(gè)模式簇中的 一個(gè)的置信度; 通過(guò)使用所述KXN置信度矢量來(lái)訓(xùn)練分類器; 接收包括來(lái)自于所述O個(gè)信號(hào)的數(shù)據(jù)的監(jiān)測(cè)的數(shù)據(jù)樣本; 基于所述O個(gè)信號(hào)中的至少一個(gè)不在I個(gè)信號(hào)中的信號(hào)處于與所述I個(gè)信號(hào)中的一個(gè) 信號(hào)相同的信號(hào)簇中,并且還基于對(duì)所述O個(gè)信號(hào)中的至少一個(gè)信號(hào)具有與所述I個(gè)信號(hào) 中的一個(gè)信號(hào)的、包含于所述KXN置信度矢量中的置信度值相似的置信度值的判斷,而將 監(jiān)測(cè)的數(shù)據(jù)樣本分類為提示故障。
14. 根據(jù)權(quán)利要求13所述的非暫時(shí)性計(jì)算機(jī)可用介質(zhì),其中,從運(yùn)行數(shù)據(jù)中的個(gè)體信 號(hào)提取I個(gè)模式包括使用固定長(zhǎng)度的滑動(dòng)時(shí)間窗。
15. 根據(jù)權(quán)利要求13所述的非暫時(shí)性計(jì)算機(jī)可用介質(zhì),其中,將所述I個(gè)模式聚類為K 個(gè)模式簇并且將所述〇個(gè)信號(hào)聚類為R個(gè)信號(hào)簇還包括: 對(duì)于所述I個(gè)模式的每一個(gè),提取描述了該模式的標(biāo)量特征;和 使用所述標(biāo)量特征來(lái)聚類模式和信號(hào)。
16. 根據(jù)權(quán)利要求13所述的非暫時(shí)性計(jì)算機(jī)可用介質(zhì),其中,將所述I個(gè)模式聚類為K 個(gè)模式簇對(duì)于所有〇個(gè)信號(hào)執(zhí)行。
17. 根據(jù)權(quán)利要求13所述的非暫時(shí)性計(jì)算機(jī)可用介質(zhì),其中,將所述I個(gè)模式聚類為K 個(gè)模式簇對(duì)于相同信號(hào)簇中的信號(hào)執(zhí)行。
18. 根據(jù)權(quán)利要求13所述的非暫時(shí)性計(jì)算機(jī)可用介質(zhì),其中,將所述I個(gè)模式聚類為K 個(gè)模式簇包括應(yīng)用K-mean聚類以形成簇。
19. 根據(jù)權(quán)利要求13所述的非暫時(shí)性計(jì)算機(jī)可用介質(zhì),其中,將所述O個(gè)信號(hào)聚類為R 個(gè)信號(hào)簇還包括: 基于歷史運(yùn)行數(shù)據(jù)計(jì)算成對(duì)的信號(hào)相關(guān)性;和 使用分級(jí)式聚類對(duì)信號(hào)進(jìn)行聚類。
20. 根據(jù)權(quán)利要求13所述的非暫時(shí)性計(jì)算機(jī)可用介質(zhì),其中,代表模式X屬于模式簇ck 的置信度的每個(gè)置信度值通過(guò)下式定義:
其中Pk是簇ck的權(quán)重,并且dist(f(x),μk)是在描述模式X的模式特征矢量f(x)和 簇Ck的平均μk之間的距離。
21. 根據(jù)權(quán)利要求13所述的非暫時(shí)性計(jì)算機(jī)可用介質(zhì),其中,對(duì)于特定信號(hào),K個(gè)置信 度值中的一個(gè)置信度值等于1,并且該K個(gè)置信度值的剩余置信度值等于0。
22. 根據(jù)權(quán)利要求13所述的非暫時(shí)性計(jì)算機(jī)可用介質(zhì),其中,對(duì)于所述N個(gè)信號(hào)中的每 一個(gè),K個(gè)置信度值的和等于1。
23. 根據(jù)權(quán)利要求13所述的非暫時(shí)性計(jì)算機(jī)可用介質(zhì),其中,對(duì)監(jiān)測(cè)的數(shù)據(jù)樣本進(jìn)行 分類包括: 對(duì)于監(jiān)測(cè)的數(shù)據(jù)樣本信號(hào)O的子組合,評(píng)價(jià)置信度矢量,其中每個(gè)評(píng)注的數(shù)據(jù)訓(xùn)練信 號(hào)N或者包括在子組合中、或者在子組合中由如下監(jiān)測(cè)的數(shù)據(jù)樣本信號(hào)代表,該監(jiān)測(cè)的數(shù) 據(jù)樣本信號(hào)處于與被代表的評(píng)注的數(shù)據(jù)訓(xùn)練信號(hào)相同的信號(hào)簇Ck中。
24. 根據(jù)權(quán)利要求23所述的非暫時(shí)性計(jì)算機(jī)可用介質(zhì),其中,對(duì)監(jiān)測(cè)的數(shù)據(jù)樣本進(jìn)行 分類還包括: 應(yīng)用貪婪算法,以識(shí)別主導(dǎo)的置信度矢量;和 判斷,用于主導(dǎo)的置信度矢量的評(píng)價(jià)函數(shù)值是否超過(guò)閾值。
【文檔編號(hào)】G05B23/02GK104471501SQ201380036704
【公開(kāi)日】2015年3月25日 申請(qǐng)日期:2013年6月3日 優(yōu)先權(quán)日:2012年6月12日
【發(fā)明者】C.袁, A.查克雷博蒂, L.威布金, H.哈克斯坦 申請(qǐng)人:西門(mén)子公司
網(wǎng)友詢問(wèn)留言 已有0條留言
  • 還沒(méi)有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
1