CN104863842B - 一种基于分形理论的隔膜泵故障诊断方法及装置 - Google Patents
一种基于分形理论的隔膜泵故障诊断方法及装置 Download PDFInfo
- Publication number
- CN104863842B CN104863842B CN201510236440.1A CN201510236440A CN104863842B CN 104863842 B CN104863842 B CN 104863842B CN 201510236440 A CN201510236440 A CN 201510236440A CN 104863842 B CN104863842 B CN 104863842B
- Authority
- CN
- China
- Prior art keywords
- characteristic quantity
- fault
- module
- membrane pump
- fractal
- 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
Landscapes
- Reciprocating Pumps (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明涉及一种基于分形理论的隔膜泵故障诊断方法及装置,属于机械故障诊断技术领域。本发明包括信号采集模块,用于通过加速度传感器对隔膜泵的振动信号进行检测;信号预处理模块,用于对采集到的隔膜泵振动信号进行预处理;特征提取模块,用于对降噪后的振动信号提取分形故障特征;状态识别模块,用于将提取的分形故障特征与初始导入的历史训练得到的各故障分形特征量进行故障匹配和识别;故障诊断及报警模块,提醒设备维护人员对设备做出相应处理。本发明能快速、直观的反映设备的运行状况,及时向设备维护人员提供可靠的设备运行信息,有效地保证设备运行,从而降低设备故障停机时间,减少计划检修时间和非计划检修时间。
Description
技术领域
本发明涉及一种基于分形理论的隔膜泵故障诊断方法及装置,属于机械故障诊断技术领域。
背景技术
管道输送是既铁路运输、公路运输、海陆运输、航空运输之后的第五大运输方式,管道输送不但零污染、低能耗,而且是对生态环境几乎没有破坏。对于一些道路交通不方便的,物质易抛洒或者易泄漏的运输,更是体现了管道输送的优势。所以近年来,管道输送行业发展极为迅速,但如何保证管道的输送的安全和稳定,是一个急需解决的问题。
隔膜泵是管道输送的核心设备之一,它是管道输送的动力输出装置,所以隔膜泵的安全问题也就是管道输送的核心安全问题。只有隔膜泵的有效运行,才能保证管道输送的正常运行,隔膜泵一旦发生故障,将影响设备正常运行,甚至造成严重事故。因此,对隔膜泵的运行状况进行实时监测并实现故障诊断,对于整个管道运输起着至关重要的作用。
但隔膜泵的不同故障通常都源自不同的动力学机理,目前常用频谱分析的方法有时难以获取这方面的信息,而分形维数能够定量的给出描述动力系统所需的独立变量的数目,这样便可通过分形维数来对其进行故障诊断。因此,本发明将分形理论用于隔膜泵故障诊断,对隔膜泵的运行状态进行识别并作出相应反应。
发明内容
本发明提供了一种基于分形理论的隔膜泵故障诊断方法及装置,以隔膜泵发生故障时所产生的振动信号为依据,第一时间发现可能或者已经出现的设备故障,包括隔膜泵单向阀卡阀、隔膜击穿、单向阀磨蚀泄露等故障情况,并及时向设备维护人员报警,以排除故障,保证工业生产的安全正常运行。
本发明基于分形理论的隔膜泵故障诊断方法及装置是这样实现的:
所述方法的具体步骤如下:
Step1、通过信号采集模块对隔膜泵振动信号进行采集;同时将历史训练得到的各故障分形特征量导入故障识别模块,作为故障识别的故障匹配特征量;
Step2、通过预处理模块电路对采集到的振动信号进行放大、滤波去噪和A/D转换,实现信号的降噪处理;
Step3、对降噪后的振动信号进行分形故障特征量提取,包括其关联维数特征量与盒维数特征量的提取;
Step4、将得到的关联维数特征量与盒维数特征量与步骤Step1中导入的历史训练的各故障分形特征量进行故障匹配和识别;
若与故障匹配特征量相匹配,则报警模块提示设备维护人员对设备进行跟踪关注;
若匹配结果超出所设阈值,则发出警报由设备维护人员对设备进行维修处理,同时更新匹配特征量数据库。
所述步骤Step3中,所述分形故障特征量提取包括两个步骤:
(1)首先计算振动信号的关联维数特征量,若其关联维数特征量能反映出故障类型,则继续步骤Step4进行后续的模式识别;
(2)若其关联维数特征量不能反映信号的状态特征,则进一步计算其盒维数特征量对关联维数特征量进行佐证,联合二者特征实现状态识别。
一种基于分形理论的隔膜泵故障诊断装置,包括
信号采集模块,用于通过加速度传感器对隔膜泵的振动信号进行检测,并将历史训练得到各故障分形特征量导入到故障识别模块,作为故障识别模块的故障匹配特征量;所述加速度传感器采取了三个方向的安装方式,分别为轴向、径向和垂直方向;
信号预处理模块,用于对采集到的隔膜泵振动信号进行预处理,包括信号放大、滤波降噪及A/D转换,便于后续的特征提取;
特征提取模块,用于对降噪后的振动信号提取分形故障特征;
状态识别模块,用于将提取的分形故障特征与初始导入的历史训练得到的各故障分形特征量进行故障匹配和识别;
故障诊断及报警模块,用于对故障作出诊断并发出报警,提醒设备维护人员对设备做出相应处理。
本发明的工作原理是:
所述特征提取模块的分形维数算法使用如下:
采用尺度为ε的相同大小的闭集b对整个集合进行覆盖,所需闭集b的数目为N(ε),设点落入第i个闭集的概率为Pi(ε),对给定参数q,可计算出广义信息熵Kq(ε)的表达式为:
则广义分形维数特征量的定义式为:
这样,随着q的变化即可得到各重分形维数:
当q=0时为盒维数特征量:
当q=2时为关联维数特征量:
这样,分别取其中的q值为2和0,即可求得隔膜泵振动信号的关联维数特征量和盒维数特征量,实现故障特征提取。
本发明的有益效果是:
本发明是一种基于分形理论的隔膜泵故障诊断装置及方法,是针对管道隔膜泵振动信号的特殊性提出的;通过使用本故障诊断装置,可实现隔膜泵运行的实时状态监测,快速、直观的反映设备的运行状况,及时向设备维护人员提供可靠的设备运行信息,有效地保证设备运行,从而降低设备故障停机时间,减少计划检修时间和非计划检修时间。
采用对非线性信号反应敏感的分形维数作为隔膜泵的故障状态特征量,对隔膜泵的各个运行状态进行定量表示,具有简便、直观的特点。
附图说明
图1是本发明的基本框架图;
图2是本发明的系统硬件设计结构图;
图3是本发明的系统故障诊断及报警结构图;
图4是本发明的故障诊断及报警流程图。
具体实施方式
实施例1:如图1-4所示,一种基于分形理论的隔膜泵故障诊断方法及装置,所述方法的具体步骤如下:
Step1、通过信号采集模块对隔膜泵振动信号进行采集;同时将历史训练得到的各故障分形特征量导入故障识别模块,作为故障识别的故障匹配特征量;
Step2、通过预处理模块电路对采集到的振动信号进行放大、滤波去噪和A/D转换,实现信号的降噪处理;
Step3、对降噪后的振动信号进行分形故障特征量提取,包括其关联维数特征量与盒维数特征量的提取;
Step4、将得到的关联维数特征量与盒维数特征量与步骤Step1中导入的历史训练的各故障分形特征量进行故障匹配和识别;
若与故障匹配特征量相匹配,则报警模块提示设备维护人员对设备进行跟踪关注;
若匹配结果超出所设阈值,则发出警报由设备维护人员对设备进行维修处理,同时更新匹配特征量数据库。
所述步骤Step3中,所述分形故障特征量提取包括两个步骤:
(1)首先计算振动信号的关联维数特征量,若其关联维数特征量能反映出故障类型,则继续步骤Step4进行后续的模式识别;
(2)若其关联维数特征量不能反映信号的状态特征,则进一步计算其盒维数特征量对关联维数特征量进行佐证,联合二者特征实现状态识别。
一种基于分形理论的隔膜泵故障诊断装置,包括
信号采集模块,用于通过加速度传感器对隔膜泵的振动信号进行检测,并将历史训练得到各故障分形特征量导入到故障识别模块,作为故障识别模块的故障匹配特征量;所述加速度传感器采取了三个方向的安装方式,分别为轴向、径向和垂直方向;
信号预处理模块,用于对采集到的隔膜泵振动信号进行预处理,包括信号放大、滤波降噪及A/D转换,便于后续的特征提取;
特征提取模块,用于对降噪后的振动信号提取分形故障特征;
状态识别模块,用于将提取的分形故障特征与初始导入的历史训练得到的各故障分形特征量进行故障匹配和识别;
故障诊断及报警模块,用于对故障作出诊断并发出报警,提醒设备维护人员对设备做出相应处理。
实施例2:如图1-4所示,一种基于分形理论的隔膜泵故障诊断方法及装置,所述方法的具体步骤如下:
Step1、通过信号采集模块对隔膜泵振动信号进行采集;同时将历史训练得到的各故障分形特征量导入故障识别模块,作为故障识别的故障匹配特征量;
Step2、通过预处理模块电路对采集到的振动信号进行放大、滤波去噪和A/D转换,实现信号的降噪处理;
Step3、对降噪后的振动信号进行分形故障特征量提取,包括其关联维数特征量与盒维数特征量的提取;
Step4、将得到的关联维数特征量与盒维数特征量与步骤Step1中导入的历史训练的各故障分形特征量进行故障匹配和识别;
若与故障匹配特征量相匹配,则报警模块提示设备维护人员对设备进行跟踪关注;
若匹配结果超出所设阈值,则发出警报由设备维护人员对设备进行维修处理,同时更新匹配特征量数据库。
所述步骤Step3中,所述分形故障特征量提取包括两个步骤:
(1)首先计算振动信号的关联维数特征量,若其关联维数特征量能反映出故障类型,则继续步骤Step4进行后续的模式识别;
(2)若其关联维数特征量不能反映信号的状态特征,则进一步计算其盒维数特征量对关联维数特征量进行佐证,联合二者特征实现状态识别。
一种基于分形理论的隔膜泵故障诊断装置,包括
信号采集模块,用于通过加速度传感器对隔膜泵的振动信号进行检测,并将历史训练得到各故障分形特征量导入到故障识别模块,作为故障识别模块的故障匹配特征量;所述加速度传感器采取了三个方向的安装方式,分别为轴向、径向和垂直方向;
信号预处理模块,用于对采集到的隔膜泵振动信号进行预处理,包括信号放大、滤波降噪及A/D转换,便于后续的特征提取;
特征提取模块,用于对降噪后的振动信号提取分形故障特征;
状态识别模块,用于将提取的分形故障特征与初始导入的历史训练得到的各故障分形特征量进行故障匹配和识别;
故障诊断及报警模块,用于对故障作出诊断并发出报警,提醒设备维护人员对设备做出相应处理。
具体为:采用型号为ADXL335的角度三轴重力加速度传感器对某矿浆管道的隔膜泵振动信号进行采集;并对采集的振动信号通过信号预处理模块硬件电路进行信号放大、滤波降噪和A/D转换,信号放大可采用AD8065芯片,该芯片属于FastFET放大器,此类放大器为电压反馈型放大器,提供FET输入,性能出色,在市场上均可买到;A/D转换可采用AD9225芯片,其特点是单个芯片和单电源供电,片内集成了参考电压源以及高性能的采样保持放大器,其精度为12位。
实施例3:如图1-4所示,一种基于分形理论的隔膜泵故障诊断方法及装置,所述基于分形理论的隔膜泵故障诊断方法的具体步骤如下:
Step1、通过信号采集模块对隔膜泵振动信号进行采集;同时将历史训练得到的各故障分形特征量导入故障识别模块,作为故障识别的故障匹配特征量;历史训练得到的隔膜泵各状态分形特征量如表1所示:
表1隔膜泵各状态下历史训练得到的分形特征量
运行状态 | 正常状态 | 隔膜击穿 | 隔膜泵单向阀卡阀 | 单向阀磨蚀泄露 |
关联维数特征量 | 4.2109 | 3.7165 | 3.1024 | 3.0734 |
盒维数特征量 | 1.7934 | 1.6472 | 1.5970 | 1.4032 |
Step2、通过预处理模块电路对采集到的振动信号进行放大、滤波去噪和A/D转换,实现信号的降噪处理;
Step3、对降噪后的振动信号进行分形故障特征量提取,包括其关联维数特征量与盒维数特征量的提取;该组振动信号经计算得到其关联维数特征量为3.0824,盒维数特征量为1.4030;
所述步骤Step3中,所述分形故障特征量提取包括两个步骤:
(1)首先计算振动信号的关联维数特征量,若其关联维数特征量能反映出故障类型,则继续步骤Step4进行后续的模式识别;
(2)若其关联维数特征量不能反映信号的状态特征,则进一步计算其盒维数特征量对关联维数特征量进行佐证,联合二者特征实现状态识别。
Step4、将得到的关联维数特征量与盒维数特征量与步骤Step1中导入的历史训练的各故障分形特征量进行故障匹配和识别;经对比发现,新的振动信号的关联维数特征量为3.0824的故障可能是隔膜泵单向阀卡阀,也可能是单向阀腐蚀泄露;因此匹配其盒维数特征量,发现其盒维数特征量与单向阀磨蚀泄露的盒维数特征量更匹配,结合二者匹配结果,可判定该组振动信号对应的为单向阀磨蚀泄露故障;
此时,若所设定的盒维数特征量阈值为0.0010,则二者匹配结果已超出所设阈值,则装置发出警报由设备维护人员对设备进行维修处理,同时更新匹配特征量数据库。
所述基于分形理论的隔膜泵故障诊断装置包括:
信号采集模块,用于通过加速度传感器对隔膜泵的振动信号进行检测,并将历史训练得到各故障分形特征量导入到故障识别模块,作为故障识别模块的故障匹配特征量;所述加速度传感器采取了三个方向的安装方式,分别为轴向、径向和垂直方向;
信号预处理模块,用于对采集到的隔膜泵振动信号进行预处理,包括信号放大、滤波降噪及A/D转换,便于后续的特征提取;
特征提取模块,用于对降噪后的振动信号提取分形故障特征;
状态识别模块,用于将提取的分形故障特征与初始导入的历史训练得到的各故障分形特征量进行故障匹配和识别;
故障诊断及报警模块,用于对故障作出诊断并发出报警,提醒设备维护人员对设备做出相应处理。
上面结合附基于分形理论的隔膜泵故障诊断方法与常用的隔膜泵故障诊断方法,其具有的独特优势如表2所示;
表2常用的隔膜泵故障诊断方法的缺点比较
本基于分形理论的隔膜泵故障诊断方法的优势:完全自适应,不存在过包络、欠包络、边界效应和模态混淆现象等问题;而且对于非线性信号,分形维数具有很好的表征能力,其是定量的给出描述动力系统所需的独立变量的数目,这样便可通过分形维数来对其进行故障诊断。
隔膜泵的不同故障通常都源自不同的动力学机理,频谱分析的方法有时难以获取这方面的信息,而分形维数能够定量的给出描述动力系统所需的独立变量的数目,便可通过分形维数来对其进行故障进行定量描述。
图对本发明的具体实施方式作了详细说明,但是本发明并不限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下作出各种变化。
Claims (2)
1.一种基于分形理论的隔膜泵故障诊断方法,其特征在于:所述方法的具体步骤如下:
Step1、通过信号采集模块对隔膜泵振动信号进行采集;同时将历史训练得到的各故障分形特征量导入故障识别模块,作为故障识别的故障匹配特征量;
Step2、通过预处理模块电路对采集到的振动信号进行放大、滤波去噪和A/D转换,实现信号的降噪处理;
Step3、对降噪后的振动信号进行分形故障特征量提取,包括其关联维数特征量与盒维数特征量的提取;
Step4、将得到的关联维数特征量与盒维数特征量与步骤Step1中导入的历史训练的各故障分形特征量进行故障匹配和识别;
若与故障匹配特征量相匹配,则报警模块提示设备维护人员对设备进行跟踪关注;
若匹配结果超出所设阈值,则发出警报由设备维护人员对设备进行维修处理,同时更新匹配特征量数据库;
所述步骤Step3中,所述分形故障特征量提取包括两个步骤:
(1)首先计算振动信号的关联维数特征量,若其关联维数特征量能反映出故障类型,则继续步骤Step4进行后续的模式识别;
(2)若其关联维数特征量不能反映信号的状态特征,则进一步计算其盒维数特征量对关联维数特征量进行佐证,联合二者特征实现状态识别。
2.一种根据权利要求1所述的基于分形理论的隔膜泵故障诊断方法构建的诊断装置,其特征在于:包括
信号采集模块,用于通过加速度传感器对隔膜泵的振动信号进行检测,并将历史训练得到各故障分形特征量导入到故障识别模块,作为故障识别模块的故障匹配特征量;所述加速度传感器采取了三个方向的安装方式,分别为轴向、径向和垂直方向;
信号预处理模块,用于对采集到的隔膜泵振动信号进行预处理,包括信号放大、滤波降噪及A/D转换,便于后续的特征提取;
特征提取模块,用于对降噪后的振动信号提取分形故障特征;
状态识别模块,用于将提取的分形故障特征与初始导入的历史训练得到的各故障分形特征量进行故障匹配和识别;
故障诊断及报警模块,用于对故障作出诊断并发出报警,提醒设备维护人员对设备做出相应处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510236440.1A CN104863842B (zh) | 2015-05-11 | 2015-05-11 | 一种基于分形理论的隔膜泵故障诊断方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510236440.1A CN104863842B (zh) | 2015-05-11 | 2015-05-11 | 一种基于分形理论的隔膜泵故障诊断方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104863842A CN104863842A (zh) | 2015-08-26 |
CN104863842B true CN104863842B (zh) | 2017-10-27 |
Family
ID=53909929
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510236440.1A Active CN104863842B (zh) | 2015-05-11 | 2015-05-11 | 一种基于分形理论的隔膜泵故障诊断方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104863842B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105681411A (zh) * | 2016-01-13 | 2016-06-15 | 昆明理工大学 | 基于无线网络与gprs的管道隔膜泵远程监控系统及方法 |
CN105910823A (zh) * | 2016-06-21 | 2016-08-31 | 上海电机学院 | 一种滚动轴承故障诊断方法 |
CN107042870B (zh) * | 2017-01-20 | 2018-12-28 | 江苏汇智达信息科技有限公司 | 一种太阳能、风能混合发电的双体船 |
CN106839084A (zh) * | 2017-01-20 | 2017-06-13 | 上海源紊新能源科技有限公司 | 一种热量信息掌控的云控制太阳能供热系统 |
CN107269511B (zh) * | 2017-07-03 | 2019-08-16 | 西南交通大学 | 一种隔膜泵单向阀实时故障检测方法及系统 |
US10962968B2 (en) * | 2018-04-12 | 2021-03-30 | Saudi Arabian Oil Company | Predicting failures in electrical submersible pumps using pattern recognition |
CN108869264B (zh) * | 2018-06-15 | 2021-01-26 | 武汉中天恒禹信息技术有限公司 | 泵站机组故障诊断预警系统 |
CN109707600A (zh) * | 2018-12-27 | 2019-05-03 | 广西华银铝业有限公司 | 一种隔膜泵动力端检修方法 |
CN111927750B (zh) * | 2020-07-14 | 2021-12-28 | 西安交通大学 | 一种隔膜压缩机膜片无损监测系统及方法 |
CN112098088B (zh) * | 2020-08-19 | 2022-01-28 | 昆明理工大学 | 一种基于kica-分形理论的滚动轴承故障诊断方法 |
CN112377401A (zh) * | 2020-09-15 | 2021-02-19 | 昆明理工大学 | 一种基于滑动散布熵的隔膜泵故障状态检测方法及装置 |
CN112710972A (zh) * | 2020-12-18 | 2021-04-27 | 云南电网有限责任公司丽江供电局 | Gis触头接触不良故障诊断方法、装置、系统及存储介质 |
CN112989580B (zh) * | 2021-02-25 | 2023-02-24 | 中国人民解放军海军航空大学 | 一种考虑双向尺度的电路故障特征提取方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101408166B (zh) * | 2007-10-12 | 2010-06-02 | 中国有色(沈阳)泵业有限公司 | 隔膜泵单向阀故障自动诊断方法及其所采用的装置 |
CN101782475B (zh) * | 2010-02-08 | 2011-07-20 | 天津工业大学 | 基于风力发电机组振动的叶片故障诊断方法 |
CN202937433U (zh) * | 2012-11-26 | 2013-05-15 | 昆明理工大学 | 一种基于振动检测的隔膜泵故障报警系统 |
CN104121178A (zh) * | 2013-04-27 | 2014-10-29 | 青岛科技大学 | 输油泵故障诊断系统及方法 |
CN104296805A (zh) * | 2014-09-25 | 2015-01-21 | 北京迪威尔石油天然气技术开发有限公司 | 一种水基动力无杆抽油机的测试装置及方法 |
-
2015
- 2015-05-11 CN CN201510236440.1A patent/CN104863842B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN104863842A (zh) | 2015-08-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104863842B (zh) | 一种基于分形理论的隔膜泵故障诊断方法及装置 | |
CN107941537B (zh) | 一种机械设备健康状态评估方法 | |
CN103969046B (zh) | 一种与轮对轴承磨合机联用的轴承声学诊断系统和方法 | |
CN102175282B (zh) | 一种基于信息融合的离心式空气压缩机故障诊断方法 | |
CN105035902B (zh) | 一种电梯安全状况评估方法 | |
CN105004498A (zh) | 一种水电机组的振动故障诊断方法 | |
CN103234767A (zh) | 基于半监督流形学习的非线性故障检测方法 | |
CN104794283A (zh) | 基于离群特征分析的柴油机故障灰预测方法 | |
CN107329079A (zh) | 一种高压断路器在线监测及故障综合诊断系统 | |
CN104976139B (zh) | 一种基于高斯模型的机械设备状态诊断方法 | |
CN102840979A (zh) | 一种风电机组传动链故障检测方法及装置 | |
CN109443769B (zh) | 电机轴承状态的检测方法、系统、装置及可读存储介质 | |
CN105626502B (zh) | 基于小波包和拉普拉斯特征映射的柱塞泵健康评估方法 | |
CN107269511A (zh) | 一种隔膜泵单向阀实时故障检测方法及系统 | |
CN103969052A (zh) | 基于离群分析的柴油机故障诊断方法 | |
CN107765658A (zh) | 一种基于物联网的压缩机控制方法、装置及系统 | |
CN104101652A (zh) | 一种基于音频信号的风电叶片损伤监测方法及监测系统 | |
CN104748960A (zh) | 一种行车横梁在线应力监测与故障诊断系统及方法 | |
CN106650113A (zh) | 一种基于模糊聚类的桥梁监测数据异常情况识别方法 | |
CN109353377A (zh) | 城市轨道车辆安全信息监测控制系统 | |
CN105424082A (zh) | 一种生成航天器运输包装箱监测报告的方法 | |
CN109325553B (zh) | 一种风电齿轮箱故障检测方法、系统、设备及介质 | |
CN104280253B (zh) | 一种基于免疫检测器的故障诊断方法及系统 | |
CN114593905A (zh) | 一种高压隔膜泵单向阀故障诊断方法及系统 | |
CN103983692A (zh) | 一种用于挡土墙结构系统的损伤预警方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |