专利名称：大型汽轮发电机组分布式远程振动监测与故障诊断系统的制作方法
技术领域：
本发明涉及大型汽轮发电机组的分布式远程状态监测与故障诊断领域，特别是一 种基于ffeb Services技术的远程振动监测与故障诊断系统。
背景技术：
现代机械设备发展的一个明显趋势就是向大型化、高速化、连续化和自动化方向 发展。由此而使设备的功能越来越多，性能指标越来越高，组成和结构也越来越复杂。随着 国民经济的持续快速发展，我国对电力供应的需求越来越大，“十一五”期间将迎来新一轮 的电力基础设施建设高潮。在新增的发电机组中，大部分是容量为600MW以上的超临界、超 超临界大型汽轮发电机组，即主蒸汽压力超过22. 129MPa的机组，少数是压力大于25MPa、 温度为600 610°C、容量为1000MW的超超临界汽轮发电机组。电力行业的这一发展趋势使 得我国的电能生产力得到大幅度提高，另一方面却也潜伏着巨大的危机，例如发电设备一 旦发生故障所造成的直接、间接损失将会十分严重。由于超临界、超超临界汽轮发电机组蒸 汽温度和压力高于常规的亚临界机组，且机组的材料、结构等都发生了变化，机组在运行中 可能带来结构热应力、变形、轴系振动和稳定性等方面的新问题，对这些重大设备的安全运 行会产生巨大影响。为了管理好、使用好这类重大关键设备，提高这类机组运行的稳定性、 可靠性、安全性及使用效率和寿命，避免造成重大事故和影响电力供应，设备的监测与维护 工作势在必行。面对超临界、超超临界汽轮发电机组的振动监测与故障诊断任务，传统的以计划 维修制度和预防维修制度为基础的维修体制已经不能适应，必须加快推进以预知维修制度 为基础的维修体制。预知维修制度(CBM)又称为以状态为基础的维修制度，其特点为在状 态监测的基础上，根据设备运行状态实际劣化的程度以决定维修时间和维修的规模。这是 一种先进的维护方式，可有效地避免重大事故的发生、提高设备使用率、有效地降低设备维 护总费用。目前的汽轮发电机组振动监测与故障诊断系统，其监测与诊断对象多为单一化 设备，所需存储的机组数据量小。对于大型汽轮发电机组，尤其是超临界、超超临界汽轮发 电机组，其所需监测数据量大，数据类型复杂多样，数据的安全性和传输的实时性必须得到 满足。此外，由于大型机组系统组成复杂，有必要充分利用网络平台集成各种监测与诊断方 法。此外，传统故障诊断技术是以傅立叶分析为基础进行的，傅立叶分析只适用于对 线性、平稳信号的分析，而对于发生故障的大型机组，其信号具有明显的非线性、非平稳特 征，因此有必要改进分析方法进行监测与诊断，以应对超临界、超超临界汽轮发电机组高参 数，复杂工况下的振动信号监测与分析任务。
发明内容
为了解决目前汽轮发电机组振动监测与故障诊断系统存在的上述不足，本发明提 供一种构建于数据存储技术之上，以分布式网络技术为基础的大型汽轮发电机组分布式远
3程振动监测与故障诊断系统。本发明采用以下的技术方案大型汽轮发电机组分布式远程振动监测与故障诊断系统，包括存储有采集到的汽 轮发电机组振动数据的数据库子系统，安装有振动监测与分析软件用于提供实时状态监 测、历史数据分析和故障征兆分析的工作站子系统，以及安装有远程监测与故障诊断软件 的Web服务器子系统；存储有汽轮发电机组振动数据的数据库子系统为振动监测与分析软 件、远程监测与故障诊断软件提供应用数据；振动监测与分析软件内设有用于对机组振动 数据进行图形化、报表化分析处理的实时数据分析模块和历史数据分析模块，以及用于现 场故障自动诊断的故障征兆分析模块；所述远程监测与故障诊断软件用于提供关于机组运 行状态的专业化诊断图谱并为行业专家提供网上共享交流的工作平台；所述数据库子系 统、工作站子系统、Web服务器子系统之间以W^eb Services技术为基础，通过hternet相 互联网，工作站子系统从数据库子系统获取实时数据和各种历史数据，生成专业化图谱和 报表，提供给故障征兆分析模块进行分析，需要时向Web服务器子系统发送远程故障会诊 请求，由Web服务器子系统内的远程监测与故障诊断软件构筑专家咨询平台进行自动或人 工诊断。进一步，所述工作站子系统包括数据类别选择模块、数据报表模块、信号分析模 块、故障征兆分析模块、以及状态报警模块；所述数据类别选择模块用于从数据库中提取特 定类别的数据进行分析诊断，所述数据报表模块用于显示历史数据的专业化图谱与特征参 量列表，所述信号分析模块用于对数据的专业化图谱和特征参量进行实时监测，所述故障 征兆分析模块用于对实时监测数据进行自动诊断并给出诊断结论，所述状态报警模块用于 在实时数据超过预先设定的报警限值时弹出自动报警提示供技术人员参考。进一步，所述信号分析模块包括利用基于经验模式分解(Empirical ModeDecomposition, EMD)的希尔伯特一黄变换(Hilbert—Huang Transform, HHT)方法实 时提取信号的时频特征用于诊断决策的时频分析子模块、以及利用EMD方法将机组振动数 据实时地分成振动分量和趋势分量，将趋势分量作为振动趋势分析的一种新手段用于诊断 决策的趋势分析子模块。进一步，所述数据库子系统包括存储有汽轮发电机组测点信息、振动数据、温度 数据、压力数据以及开关量数据的数据库，以及对所述数据库中的数据进行集中管理的数 据库管理软件；所述数据库管理软件包括用于判断是否开启数据写入动作以及查询数据 库内机组数据的数据读写子模块、实现对现有数据库的备份、还原和清除操作，以保证数据 库安全，满足数据库实时存储策略的数据库管理子模块。进一步，所述大型汽轮发电机组分布式远程振动监测与故障诊断系统的远程监测 与故障诊断软件，远程监测数据通过网络传输从数据库传到Web服务器，借助通用网络浏 览器实现对汽轮机组运行状态的图形化监测和振动特征值监测；所述远程监测与故障诊 断软件的远程故障诊断方式分为两种，一是利用所述故障征兆分析模块实现的自动诊断方 式；另一种是提供给行业专家网络站点这一平台，借助图形化界面和运行参数，对汽轮机组 进行远程会诊的人工诊断方式。所述远程监测与故障诊断软件的远程故障诊断方式为以下两种方式之一 (1)利 用所述故障征兆分析模块实现的自动诊断方式；( 提供给行业专家网络站点这一平台，借助图形化界面和运行参数，对汽轮机组进行远程会诊的人工诊断方式。希尔伯特-黄变 换利用经验模式分解(EMD)和希尔波特变换原理提取振动信号的时频特征，给诊断提供参 考依据；信号分析模块中的趋势分析子模块，引入经验模式分解方法，将机组振动数据实时 地分成振动分量和趋势分量，将趋势分量作为振动趋势分析的一种新手段用于诊断决策； 故障征兆分析模块利用独立分量分析(ICA)方法提取振动数据的征兆矩阵，利用自组织映 射神经网络(SOM)将振动数据的征兆进行分类处理，达到故障自动诊断的目的。大型汽轮发电机组分布式远程振动监测与故障诊断系统，其核心是以预知维修机 制为基础，以以太网为媒介，通过Web krvices集成封装技术、实现了超临界、超超临界汽 轮发电机组的振动监测与故障诊断。它的优点如下1)模块化利用ffeb krvices技术将不同的功能模块封装成标准Web服务模块部署到 Internet上，构成一个分布式远程振动监测与故障诊断软件系统，该系统的标准化模块能 够实现不同应用场合的快速安装布置。2)信号分析算法的改进该系统在以傅立叶分析为基础的传统故障诊断技术的基础上，采用新颖的独立 分量分析特征提取技术、希尔伯特-黄时频分析技术、经验模式分解趋势分析技术、自组 织映射神经网络模式识别技术相结合的方法进行监测与诊断，以应对超临界、超超临界汽 轮发电机组高参数，复杂工况下的振动信号监测与分析任务，进一步提高了监测的实时性 与诊断的准确率，具有很强的通用性和系统可靠性，并且系统配置可调，方便地实现了以 Internet为媒介的分布式远程监测与诊断。3)高效性本发明应用ffeb krvices技术，通过Web服务对象类的定义封装了工作站信号分 析模块与故障征兆分析模块的功能。这种底层技术的透明封装，可有效地提高应用系统的 开发效率，提高系统的可靠性。4)安全性基于以太网TCP/IP技术的应用一方面使得数据通信的正确性得到了有效地保 障，另一方面通过用户安全登录验证以及工作站软件屏幕锁定功能的设置，保障了机组数 据获取的合法性。
图1是本发明的工作站子系统中的振动监测与分析软件框图。图2是本发明的数据库子系统中的数据库管理软件框图。图3是本发明的数据库子系统的存储机制示意图。
具体实施例方式参照图1-3 大型汽轮发电机组分布式远程振动监测与故障诊断系统，包括存储 有采集到的汽轮发电机组振动数据的数据库子系统，安装有振动监测与分析软件用于提供 实时状态监测、历史数据分析和故障征兆分析的工作站子系统，以及安装有远程监测与故 障诊断软件的Web服务器子系统；所述数据库子系统提供的汽轮发电机组振动数据为振动监测与分析软件、远程监测与故障诊断软件提供应用数据；振动监测与分析软件内设有 用于对机组振动数据进行图形化、报表化分析处理的实时数据分析模块和历史数据分析模 块，以及用于现场故障自动诊断的故障征兆分析模块；所述远程监测与故障诊断软件可提 供关于机组运行状态的专业化诊断图谱并为行业专家提供网上共享交流的工作平台；所述 数据库子系统、工作站子系统、Web服务器子系统之间以ffeb Services技术为基础，通过 hternet相互联网，工作站子系统从数据库子系统获取实时数据和各种历史数据，生成专 业化图谱和报表，提供给故障征兆分析模块进行分析，需要时向Web服务器子系统发送远 程故障会诊请求，由Web服务器子系统内的远程监测与故障诊断软件构筑专家咨询平台进 行自动或人工诊断。所述数据库子系统包括存储有汽轮发电机组测点信息、振动数据、温度数据、压 力数据以及开关量数据的数据库，以及对所述数据库中的数据进行集中管理的数据库管理 软件；所述数据库管理软件包括用于判断是否开启机组数据写入动作以及查询数据库内 机组数据的数据读写子模块、实现对现有数据库的备份、还原和清除操作，以保证数据库安 全，满足数据库实时存储策略的数据库管理子模块。所述数据库存储模块在数据库中建立机组测点信息表，根据测点类别的不同，确 定相应得测点名称、测量范围、报警值和危险值。根据机组监测与诊断的需要，振动数据在 数据库中的存储方式可细分为正常运行数据库、升速运行数据库、降速运行数据库。其中 升、降速运行数据库的数据写入频率高于正常运行数据库。正常运行数据库按照每小时触 发一次的机制进行存储，形成日运行数据库；日运行数据库按照每日12时触发一次的机制 进行存储，形成周运行数据库；周运行数据库按照每周日触发一次的机制进行存储，形成月 数据库；月数据库按照每月15号触发一次的机制进行存储，形成年数据库。机组振动的实 时数据存储3天，之后按照先进先出的原则写入新的数据，以保证专业技术人员在双休日 后的第一个工作日能够观看上周双休日第一天的机组运行数据。温度数据和压力数据存储 于同一数据表内。开关量数据的存储以开关量变化为触发依据进行存储。所述工作站子系统中的振动监测与分析软件，包括数据类别选择模块、信号分析 模块、故障征兆分析模块、状态报警模块和数据报表模块；通过数据类别选择模块，从数据 库中提取特定类别的数据进行分析诊断。如果分析对象是汽轮机组的实时数据，则可通过 信号分析模块进行数据的专业化图形监测与特征参量的实时监测，通过故障征兆分析模块 对实时监测数据进行自动诊断并给出诊断结论。此外，一旦实时数据超过预先设定的报警 限值，则状态报警模块会弹出自动报警提示供技术人员参考；如果分析对象是汽轮机组的 历史数据，则可通过信号分析模块或数据报表模块中显示的关于历史数据的专业化图谱与 特征参量列表进行分析，也可通过故障征兆分析模块进行相关数据的自动诊断；专业化图 形监测的内容包括时域分析、频域分析、变速分析、时频分析、趋势分析以及相关趋势分 析。故障征兆分析模块包括故障诊断知识库管理、故障自动诊断、故障对话诊断和事故追 忆。此外，一旦实时数据超过预先设定的报警限值，则状态报警模块会弹出自动报警提示供 技术人员参考。状态报警子模块包括报警复位、报警设置、通道实时报警状态和通道历史 报警记录；如果分析对象是汽轮机组的历史数据，则可通过信号分析模块或数据报表模块 中显示的关于历史数据的专业化图谱与特征参量列表进行分析，也可通过故障征兆分析模 块进行相关数据的自动诊断。
所述工作站子系统中的振动监测与分析软件，还可根据被监测汽轮机组轴系布置 情况，显示对应的机组轴系示意图并以彩色柱状图的形式实时显示轴振、盖振以及缸体胀 差等状态参量。状态参量包括轴系中各轴承X、Y方向的轴振和盖振，轴瓦温度以及高压 缸、中压缸和低压缸的胀差。所述振动监测与分析软件中的信号分析模块包括利用基于经验模式分解 (Empirical Mode Decomposition, EMD)的希尔伯特一黄变换(HiIbert-HuangTransform, HHT)方法实时提取信号的时频特征用于诊断决策的时频分析子模块、以及利用EMD方法将 机组振动数据实时地分成振动分量和趋势分量，将趋势分量作为振动趋势分析的一种新手 段用于诊断决策的趋势分析子模块。而故障征兆分析模块利用独立分量分析(ICA)方法 提取振动数据的征兆矩阵，利用自组织映射神经网络(SOM)将振动数据的征兆进行分类处 理，达到故障自动诊断的目的。所述的希尔伯特-黄变换方法是时频分析方法，首先利用经验模式分解，通过 三次样条函数拟合获得原始信号的上下包络和平均包络，从而将一个信号分解为振荡分 量-固有模式函数组和信号趋势项之和。分解所得信号趋势项作为一种信号趋势分析的方 法。由于这种分解的正交性和数据驱动特性，根据固有模式函数组作的希尔波特变换得出 的关于大型汽轮发电机组振动信号的时频谱图能够准确描述机组的运行状况。所述独立分量分析方法通常假设观测量由相互独立的若干个源经某个系统混叠 而成，该方法借助源的独立性假设仅利用观测量估计出各个独立源。本系统根据独立分量 分析方法的原理，将具有冗余特征的观测量分解为相互独立的故障征兆矩阵。借助自组织 映射神经网络的聚类特性，将故障征兆矩阵分类，从而达到故障自动诊断的目的。所述大型汽轮发电机组分布式远程振动监测与故障诊断系统的远程监测与故障 诊断软件，远程监测数据通过网络传输从数据库传到Web服务器，借助通用网络浏览器实 现对汽轮机组运行状态的图形化监测和振动特征值监测；所述远程监测与故障诊断软件的 远程故障诊断方式分为两种，一是利用所述故障征兆分析模块实现的自动诊断方式；另一 种是提供给行业专家网络站点这一平台，借助图形化界面和运行参数，对汽轮机组进行远 程会诊的人工诊断方式。所述大型汽轮发电机组分布式远程振动监测与故障诊断系统工作站中的振动监 测与分析软件包含屏幕锁定功能，保障相关人员离岗时机组运行控制的安全。相关技术人 员离开工作岗位时，可通过屏幕锁定按钮将工作站软件锁定，防止其他不相关人员的干扰。 当相关技术人员回到工作岗位上后，通过密码解锁的方式重新控制工作站软件。所述大型汽轮发电机组分布式远程振动监测与故障诊断系统的远程监测与故障 诊断软件，远程监测数据通过网络传输从数据库传到Web服务器，借助通用网络浏览器实 现对汽轮机组运行状态的图形化监测和振动特征值监测；所述远程监测与故障诊断软件的 远程故障诊断方式分为两种，一是自动诊断方式，利用故障征兆分析模块实现，诊断方法与 工作站中振动监测与分析软件相同；另一种是人工诊断方式，即提供给行业专家通过网络 站点这一平台，借助图形化界面和运行参数，对汽轮机组进行远程会诊。其中图形化界面与 机组运行参数等同于工作站中的振动监测与分析软件。所述大型汽轮发电机组分布式远程振动监测与故障诊断系统实行统一的账户管 理机制，即在数据库内以用户表的形式统一管理该系统的应用权限。权限按照从高到低分为系统管理员、机组管理员、诊断技术员和普通用户四类。大型汽轮发电机组分布式远程振动监测与故障诊断系统至少需要一台工作站计 算机、一台数据库服务器和一台Web服务器，三者连成一个局域网络并接入Internet，分别 指派合法的IP地址。在工作站计算机上运行振动监测与故障诊断软件。软件采用MatLab开发工具和 Microsoft. NET开发平台0#语言自主开发，实现振动信号的分析与故障诊断任务；Web服务 器中采用 Microsoft Internet Information Server 6. O(IIS)作为 Web 服务器，Web 服务 模块的开发采用Microsoft. NET开发平台ASP. NET开发工具进行自主开发，Web服务在发 布到IIS后，接受远程数据获取服务请求，为之提供所需要的汽轮发电机振动数据。数据库 服务器上运行数据库管理系统(DBMS)，采用SQL Server 2005作为后台数据库服务器，负 责存储所采集的汽轮发电机组振动数据和分析处理后的特征量。在工作站子系统中，由振动监测与分析软件提供系统实时状态监测和历史数据分 析的应用界面，可进行监测实时状态监测、历史数据分析、数据备份等操作。监测分析软件 通过基于TCP/IP协议的网络与数据服务器联网，从数据服务器获取实时数据和各种历史 数据。实际上，任何能够与数据服务器联网，例如通过局域网、Internet、专线拨号联网，并 安装了监测分析软件的计算机，都可构建成为工作站子系统。在Web服务器子系统中安装专用远程监测与故障诊断软件，可以完成对多个电厂 监测和诊断平台的管理与设置，远程监测与故障诊断软件提供专业的诊断图谱，为行业专 家提供网上共享的工作平台，并提供其它通用网站的功能。另可根据用户需要为用户开发 其它个性化功能。该Web服务器子系统是以基于INTERNET的远程监测技术为技术基础，提 供机组的远程管理平台、远程诊断和维护平台以及远程信息沟通交流平台。实施远程监测 诊断技术，使得汽轮发电机组设计专家、诊断专家，现场专业技术人员能够在相隔千里的范 围内进行实时的交流沟通，充分掌握汽轮发电机组的运行状态，进而可以打破现有的以“事 后服务，现场服务”为主的诊断服务模式，逐步建立以预知维修制度为基础的维修体制。大型汽轮发电机组的分布式远程状态监测与故障诊断是解决超临界、超超临界汽 轮发电机组状态监测与故障诊断任务的一项关键技术。本发明分布式远程振动监测与故障 诊断系统是在计算机网络技术发展的基础上提出的。htranet、Internet技术为广域范围 内故障诊断知识的收集、整理、维护与使用奠定了基础，并提供了分布式远程振动监测与故 障诊断软件系统开发与运行的支撑环境。通过远程状态监测，汽轮发电机生产制造厂商可 以对身处世界各地的用户进行现场设备运行状况的在线监测，及时发现汽机运行过程中出 现的各种问题，对设备的健康状况做出准确的评估，从而提高汽轮发电机组的运行保障能 力。通过分布式远程故障诊断的方式，设计专家、故障诊断专家、专业技术人员可以聚集在 同一网络平台上共同解决疑难问题，找出故障发生的根源，提出可行的维修方案。汽轮发电 机组分布式远程振动监测与故障诊断软件系统的开发符合标准化、网络化、模块化的技术 发展趋势，具有良好的兼容性，可在不同系统间进行互操作，互换组件。此外网络化的工作 环境实现了分布式的协同诊断。模块化的构架使得远程振动监测与故障诊断软件系统能够 适应不同用户的应用需求。传统故障诊断技术是以傅立叶分析为基础进行的，傅立叶分析只适用于对线性、 平稳信号的分析，而对于发生故障的大型机组，其信号具有明显的非线性、非平稳特征，因此本发明采用新颖的独立分量分析特征提取技术、希尔伯特-黄时频分析技术、经验模式 分解趋势分析技术、自组织映射神经网络模式识别技术相结合的方法进行监测与诊断，以 应对超临界、超超临界汽轮发电机组高参数，复杂工况下的振动信号监测与分析任务。
权利要求
1.大型汽轮发电机组分布式远程振动监测与故障诊断系统，其特征在于包括存储有 采集到的汽轮发电机组振动数据的数据库子系统，安装有振动监测与分析软件用于提供实 时状态监测、历史数据分析和故障征兆分析的工作站子系统，以及安装有远程监测与故障 诊断软件的Web服务器子系统；存储有汽轮发电机组振动数据的数据库子系统为振动监测 与分析软件、远程监测与故障诊断软件提供应用数据；振动监测与分析软件内设有用于对 机组振动数据进行图形化、报表化分析处理的实时数据分析模块和历史数据分析模块，以 及用于现场故障自动诊断的故障征兆分析模块；所述远程监测与故障诊断软件用于提供 关于机组运行状态的专业化诊断图谱并为行业专家提供网上共享交流的工作平台；所述 数据库子系统、工作站子系统、Web服务器子系统之间以ffeb Services技术为基础，通过 hternet相互联网，工作站子系统从数据库子系统获取实时数据和各种历史数据，生成专 业化图谱和报表，提供给故障征兆分析模块进行分析，需要时向Web服务器子系统发送远 程故障会诊请求，由Web服务器子系统内的远程监测与故障诊断软件构筑专家咨询平台进 行自动或人工诊断。
2.如权利要求1所述的大型汽轮发电机组分布式远程振动监测与故障诊断系统，其特 征在于所述工作站子系统包括数据类别选择模块、数据报表模块、信号分析模块、故障征 兆分析模块以及状态报警模块；所述数据类别选择模块用于从数据库中提取特定类别的数 据进行分析诊断，所述数据报表模块用于显示历史数据的专业化图谱与特征参量列表，所 述信号分析模块用于对数据的专业化图谱和特征参量进行实时监测，所述故障征兆分析模 块用于对实时监测数据进行自动诊断并给出诊断结论，所述状态报警模块用于在实时数据 超过预先设定的报警限值时弹出自动报警提示供技术人员参考。
3.如权利要求2所述的大型汽轮发电机组分布式远程振动监测与故障诊断系统，其特 征在于所述信号分析模块包括利用基于经验模式分解(EmpiricalMode Decomposition, EMD)的希尔伯特-黄变换(Hilbert-Huang Transform,HHT)方法实时提取信号的时频特征 用于诊断决策的时频分析子模块、以及利用EMD方法将机组振动数据实时地分成振动分量 和趋势分量，将趋势分量作为振动趋势分析的一种手段用于诊断决策的趋势分析子模块。
4.如权利要求1-3之一所述的大型汽轮发电机组分布式远程振动监测与故障诊断系 统，其特征在于所述数据库子系统包括存储有汽轮发电机组测点信息、振动数据、温度数据、压力数据以及开关量数据的数据 库，以及对所述数据库中的数据进行集中管理的数据库管理软件；所述数据库管理软件包 括用于判断是否开启数据写入动作以及查询数据库内数据读写子模块、实现对现有数据 库的备份、还原和清除操作，以保证数据库安全，满足数据库实时存储策略的数据库管理子 模块。
5.如权利要求2所述大型汽轮发电机组分布式远程振动监测与故障诊断系统，其特征 在于所述远程监测与故障诊断软件的远程故障诊断方式为以下两种方式之一 (1)利用 所述故障征兆分析模块实现的自动诊断方式；( 提供给行业专家网络站点这一平台，借 助图形化界面和运行参数，对汽轮机组进行远程会诊的人工诊断方式。
全文摘要
大型汽轮发电机组分布式远程振动监测与故障诊断系统，包括存储有汽轮发电机组振动数据的数据库子系统，可提供实时状态监测、历史数据分析和故障征兆分析的工作站子系统，以及安装有远程监测与故障诊断软件的Web服务器子系统，各子系统间通过以太网连接，应用Web Services技术进行集成。系统采用以傅立叶分析为基础的传统故障诊断技术与新颖的独立分量分析特征提取技术、希尔伯特-黄时频分析技术、经验模式分解趋势分析技术、自组织映射神经网络模式识别技术相结合的方法进行监测与诊断，提高了监测的实时性与诊断的准确率，具有很强的通用性和系统可靠性，并且系统配置可调，方便地实现了以Internet为媒介的分布式远程监测与诊断。
文档编号F01D21/00GK102086784SQ201010590820
公开日2011年6月8日 申请日期2010年12月16日 优先权日2010年12月16日
发明者施科益, 杨世锡, 杨丹, 熊炘, 王跃华, 莫平杰 申请人:浙江大学