CN105911474A - 一种基于几何特征提取方法和马氏距离相结合的质子交换膜燃料电池健康状态评估方法 - Google Patents
一种基于几何特征提取方法和马氏距离相结合的质子交换膜燃料电池健康状态评估方法 Download PDFInfo
- Publication number
- CN105911474A CN105911474A CN201610224993.XA CN201610224993A CN105911474A CN 105911474 A CN105911474 A CN 105911474A CN 201610224993 A CN201610224993 A CN 201610224993A CN 105911474 A CN105911474 A CN 105911474A
- Authority
- CN
- China
- Prior art keywords
- proton exchange
- mahalanobis distance
- fuel cell
- exchange membrane
- membrane fuel
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/392—Determining battery ageing or deterioration, e.g. state of health
Landscapes
- Fuel Cell (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
Abstract
本发明提出了一种基于几何特征提取方法和马氏距离相结合的质子交换膜燃料电池健康状态评估方法。该方法包括步骤为:首先,从原始的监测数据,包括电化学阻抗谱和极化曲线数据中提取相应运行状态下的几何特征;其次,计算某一运行状态下的几何特征和初始状态下的几何特征的马氏距离;最后,把所得的马氏距离结果进行归一化,得到不同状态下的质子交换膜燃料电池的健康状态。质子交换膜燃料电池是一种很有发展前途的能源装置,所以在质子交换膜燃料电池应用过程中对其进行健康状态评估研究是十分有意义的。采用真实数据验证本发明提出的方法,结果验证了该方法的有效性。
Description
技术领域
本发明涉及质子交换膜燃料电池系统健康状态评估的技术领域,具体涉及一种基于几何特征提取方法和马氏距离相结合的质子交换膜燃料电池健康状态评估方法。
背景技术
质子交换膜燃料电池具有工作温度低、启动快、比功率高、结构简单、操作方便等优点,被公认为电动汽车、固定发电站等的首选能源。质子交换膜燃料电池发电作为新一代发电技术,被视为能替代化石能源,解决能源问题和环境问题的最好方法,具有广阔的应用前景。特别是经过多年的基础研究与应用开发,质子交换膜燃料电池用作汽车动力的研究已取得实质性进展,并应用到实际当中,例如丰田推出一款新能源燃料电池汽车Mirai,其续航能力接近700公里。然而,质子交换膜燃料电池的安全问题、寿命问题和实际应用中的问题等在商业化的过程亟待解决。PHM技术在解决这些问题上提供一种新的思路。2014年,PHM数据挑战赛,题目就是对质子交换膜燃料电池系统进行健康状态评估和剩余使用寿命预测研究,推动了PHM技术在燃料电池技术领域的应用。
目前,对质子交换膜燃料电池系统的研究主要集中在建模、仿真、控制和优化等方面,而在其健康状态评估方面的研究较少。在健康状态评估方面的研究主要方法是建立质子交换膜燃料电池的物理模型,例如建立等效电路模型等。但是,由于质子交换膜燃料电池本身具有多方面的特性,例如:电气效应、机械效应、电化学效应、热力学效应等,所以建立精确的质子交换膜燃料电池模型是十分困难的;还有的研究是采用神经网络方法对质子交换膜燃料电池进行黑盒处理,但由于神经网络本身的局限性,使得评价结果并不理想。
随着质子交换膜燃料电池系统运行,其本身性能发生退化,相对应的电化学阻抗普和极化曲线也会发生相应的变化。电化学阻抗谱,即通过测量阻抗随正弦波频率的变化,进而分析电极过程动力学、双电层和扩散等,可以反映质子交换膜燃料电池的内在机理,等效电路模型就是在此基础上建立起来的。极化曲线表示电极电位与极化电流或极化电流密度之间的关系曲线,燃料电池的极化曲线反映的是其浓差极化、欧姆极化、电化学极化现象。不同运行状态下的质子交换膜燃料电池的电化学阻抗谱和极化曲线各不相同,本发明根据此机理提出一种基于几何特征提取方法和马氏距离相结合的质子交换膜燃料电池健康状态评估方法。
首先,对质子交换膜燃料电池系统的电化学阻抗谱和计划曲线数据进行分析,选取合适的几个特征进行提取;其次,计算不同运行状态下的几何特征与初始运行状态下的几何特征的马氏距离;最后,对所得的马氏距离选取进行归一化处理。
发明内容
本发明要解决的技术问题为:近年来,世界各国在质子交换膜燃料电池技术方面的研究越来越多,而限制该技术进行商业推广的主要问题是燃料电池的寿命问题,对质子交换膜燃料电池系统进行健康状态评估,研究其退化状态,为进一步的寿命预测做好技术基础,也为质子交换膜燃料电池进入市场奠定技术基础。
本发明采用的技术方案为:一种基于几何特征提取方法和马氏距离相结合的质子交换膜燃料电池健康状态评估方法,该方法包括如下步骤:
第一步:对质子交换膜燃料电池系统电化学阻抗谱和极化曲线进行几何特征提取;
第二步:计算不同状态下的几何特征和初始状态下的几何特征的马氏距离;
第三步:把马氏距离进行归一化,即得到质子交换膜燃料电池系统不同状态下的健康评估结果。
其中,第一步中选取质子交换膜燃料电池系统的电化学阻抗谱和极化曲线作为原始数据,同时,提取电化学阻抗谱和极化曲线的多个几何特征,包括:电化学阻抗谱虚部大于0部分与实部轴围成的几何面积S1;电化学阻抗谱的虚部为零时两个实部值之间的差值L;系统电流密度从0增加到1A/cm2与极化曲线围成的面积S2。
其中,第二步中采用马氏距离的原因是该方法不受量纲的影响,还可以排除相关变量之间的相关性干扰。
其中,第三步中归一化是一种简化计算的方式,即将有量纲的表达式,经过变换,化为无量纲的表达式,成为标量,归一化的目的是使评估结果直观的表达出来。
本发明与现有技术相比的优点在于:
(1)本发明采用数据驱动的方法达到对质子交换膜燃料电池系统进行健康状态评估,采用方法简单有效,和已有的研究方法相比不需要繁琐的建模过程。
(2)本发明采用数学算法简单,不需要大量的运算内存,并具有实时监控输出的能力。
附图说明
图1为一种基于几何特征提取方法和马氏距离相结合的质子交换膜燃料电池健康状态评估方法流程;
图2为电化学阻抗谱及几何特征展示的示意图,其中,图2(a)为初始状态电化学阻抗谱示意图,图2(b)为不同状态的电化学阻抗谱示意图,图2(c)为变化趋势示意图;
图3为极化曲线及几何特征展示示意图,其中,图3(a)为初始状态的极化曲线示意图,图3(b)不同状态状态的极化曲线示意图,图3(c)为变化趋势示意图;
图4为健康状态评估结果示意图;
图5为电流密度示意图。
具体实施方式
下面结合附图以及具体实施例进一步说明本发明。
本发明一种基于几何特征提取方法和马氏距离相结合的质子交换膜燃料电池健康状态评估方法流程如图1所示。具体流程可总结为如下三步:
第一步:对电化学阻抗谱和极化曲线进行核实的几何特征提取;
对于质子交换膜燃料电池系统具有多个原始监测数据,选取电化学阻抗谱和极化曲线作为本方法的原始数据。同时,电化学阻抗谱和极化曲线也包括多个几何特征,需要对其进行分析,选取明显的较能反映系统退化的几何特征。
第一步中几何特征提取具体为:
电化学阻抗谱是现代电化学动力学的一种重要研究方法,在研究物质的导电性能、电极过程动力学、金属腐蚀和防腐蚀、电极表面的吸附和脱附等方面应用广泛。对燃料电池采用该方法可以区分传质损失和活化损失,有时甚至可以区分阴极和阳极的活化损失。而在电化学阻抗谱中的几何尺度特征恰恰能说明质子交换膜燃料电池的内在机理,不同运行时刻状态下的电化学阻抗谱会有一定的规律性变化如图2(b)和图2(c)所示,不同时刻下的电化学阻抗谱不同,但随着时间的增长,电化学阻抗谱整体会有一定的移动趋势。本发明从电化学阻抗谱中提取了2个几何特征S1和L:S1是电化学阻抗谱虚部大于0部分与实部轴围成的几何面积如图2(a)所示;L是虚部为零时两个实部值之间的差值,如图2(a)所示,0h表示开始运行状态下。
极化曲线,描述电池电压和电流密度之间的关系,提供关于燃料电池的静态行为的信息,可以表征质子交换膜燃料电池的各种损失。图3所示是5块单片质子交换膜燃料电池组成的燃料电池系统,在一定条件下的工作曲线。电池系统的开路电压比理论值低,在低电流密度时,电池系统的电压急降,表示活化极化损失;电压在急降之后随着电流密度的增大而平缓的降低,基本上呈线性,表示欧姆极化损失;在电流密度大到一定程度时,电压随着电流增加急剧下降。从图3可以观察到,不同运行时刻下的电池系统极化曲线不同,并有整体移动的趋势,如图3(b)和图3(c)所示,本发明根据此提取几何特征S2:系统电流密度从0增加到1A/cm2与极化曲线围成的面积,如图3(a)所示。
第二步:计算不同状态下的几何特征和初始状态下的几何特征的马氏距离;
采用马氏距离的原因是该方法不受量纲的影响,还可以排除相关变量之间的相关性干扰。
本发明应用的数学算法是马氏距离,该方法是由印度统计学家马哈拉诺比斯(P.C.Mahalanobis)1936年提出来的。马氏距离算法有三个特性:平移不变性、旋转不变性和仿射不变性。算法原理是基于变量之间的相关性,而这些变量具有不同的模式,可以被识别和分析。它是一种有效的计算两个未知样本集的相似度的方法。与欧氏距离不同的是它考虑到各种特性之间的联系并且是尺度无关的,即独立于测量尺度。该方法的优点是不受量纲的影响,还可以排除相关变量之间的相关性干扰。
样本向量y到m×n的样本集X之间的马氏距离为:
式中:m为样本向量的维数,n为样本的数量;为矩阵X的重心,定义为:
Cx为矩阵X的协方差矩阵,定义为:
第三步:把马氏距离归一化;
归一化是一种简化计算的方式,即将有量纲的表达式,经过变换,化为无量纲的表达式,成为标量,归一化的目的是使评估结果直观的表达出来。
本发明应用案例如下:
该试验台包括:5块质子交换膜燃料电池组成的电池堆,供气瓶,各种传感器,以及相应的控制系统。所有的实验都是围绕电池系统进行的,各物理监测参数如表1所示。
表1物理监测参数
燃料电池系统是在电流密度稳定的条件下进行的,控制电流密度在0.7A/cm2。
在实验过程中,在不同时间点,对系统采集电化学阻抗谱数据和极化曲线数据,其操作时间和过程如表2所示:
表2操作过程
操作过程 | t=0;48;185;348;515;658;823;991h |
第1步:做电化学阻抗谱 | 电流密度:0.70A/cm2 |
第2步:极化曲线 | 电流密度在1000s时间内从0A/cm2到1A/cm2 |
第3步:电化学阻抗谱 | 电流密度分别为0.70A/cm2;0.45A/cm2;0.20A/cm2 |
具体过程描述如下:在8个时间点进行数据采集,例如在实验过程的第48h时刻,首先,对系统进行电化学阻抗谱,获得阻抗实部、虚部数据;然后对系统做极化曲线,在1000秒时间内控制电流密度从0A/cm2到1A/cm2,并采集电压;然后在做一次电化学阻抗谱,获得阻抗实部、虚部数据。按本发明几何特征提取方法,提取到的特征如表3所示。
表3几何特征
一般而言,可以使用“健康”,“劣化”和“失效”等描述电池的状态,在可靠性方面这些词有不同的含义。设备的健康水平与其整体状态相对应,指其完成设计功能的能力,可以用[0,1]区间内的数值来表示,这个数值也称为健康指数。当系统不存在故障,能够完全正常工作时,健康指数为1;当系统内部的独立子系统均损坏,系统完全损坏时,健康指数为0;当系统性能下降时,健康指数为0,1之间的一个数值。在系统工作的初始阶段,由于不存在故障,这时健康指数值为1。随着使用时间的增加,部件开始逐渐老化,健康指数逐渐下降。质子交换膜燃料电池随着工作时长的增加,其性能会发生不可逆的衰减,电池本身也会产生老化,最终导致电池性能不能满足实际需要,其健康指数从1降低。计算不同时刻的几何特征向量和初始0时刻的几何特征向量之间的马氏距离,并归一化后得到如图4所示结果。
可以看到评估结果在900小时之后,健康度应该继续下降,但是反而上升了,原因是实验条件改变导致的。如图5所示,实验过程控制的电流密度在900小时左右发生了大的突变,导致监测参数发生大的变化。主要来说评估过程还是精确的。
本发明提出了一种几何特征提取和马氏距离相结合的方法对质子交换膜燃料电池系统进行健康状态评估。燃料电池系统随着运行时长增加,其性能发生退化,而这些从电化学阻抗普和极化曲线提取的几何特征能较好的反映系统退化趋势,计算几何特征间的马氏距离,然后进行归一化,完成了对系统的健康评估,测试结果表明,该方法可以用来评估老化条件下质子交换膜燃料电池的健康程度。
Claims (4)
1.一种基于几何特征提取方法和马氏距离相结合的质子交换膜燃料电池健康状态评估方法,其特征在于:该方法包括如下步骤:
第一步:对质子交换膜燃料电池系统电化学阻抗谱和极化曲线进行几何特征提取;
第二步:计算不同状态下的几何特征和初始状态下的几何特征的马氏距离;
第三步:把马氏距离进行归一化,即得到质子交换膜燃料电池系统不同状态下的健康评估结果。
2.根据权利要求1所述的一种基于几何特征提取方法和马氏距离相结合的质子交换膜燃料电池健康状态评估方法,其特征在于:第一步中选取质子交换膜燃料电池系统的电化学阻抗谱和极化曲线作为原始数据,同时,提取电化学阻抗谱和极化曲线的多个几何特征,包括:电化学阻抗谱虚部大于0部分与实部轴围成的几何面积S1;电化学阻抗谱的虚部为零时两个实部值之间的差值L;系统电流密度从0增加到1A/cm2与极化曲线围成的面积S2。
3.根据权利要求1所述的一种基于几何特征提取方法和马氏距离相结合的质子交换膜燃料电池健康状态评估方法,其特征在于:第二步中采用马氏距离的原因是该方法不受量纲的影响,还可以排除相关变量之间的相关性干扰。
4.根据权利要求1所述的一种基于几何特征提取方法和马氏距离相结合的质子交换膜燃料电池健康状态评估方法,其特征在于:第三步中归一化是一种简化计算的方式,即将有量纲的表达式,经过变换,化为无量纲的表达式,成为标量,归一化的目的是使评估结果直观的表达出来。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610224993.XA CN105911474B (zh) | 2016-04-12 | 2016-04-12 | 一种质子交换膜燃料电池健康状态评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610224993.XA CN105911474B (zh) | 2016-04-12 | 2016-04-12 | 一种质子交换膜燃料电池健康状态评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105911474A true CN105911474A (zh) | 2016-08-31 |
CN105911474B CN105911474B (zh) | 2018-12-28 |
Family
ID=56746004
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610224993.XA Active CN105911474B (zh) | 2016-04-12 | 2016-04-12 | 一种质子交换膜燃料电池健康状态评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105911474B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107607880A (zh) * | 2017-09-19 | 2018-01-19 | 哈尔滨工业大学 | 一种基于阻抗谱的锂离子电池内部健康特征提取方法 |
CN109978252A (zh) * | 2019-03-22 | 2019-07-05 | 山东科技大学 | 一种大功率集成燃料电池系统运行状态预测评估方法 |
CN110413941A (zh) * | 2019-07-26 | 2019-11-05 | 西安交通大学 | 燃料电池输入输出特性的相似原理分析方法 |
CN111413627A (zh) * | 2020-04-17 | 2020-07-14 | 清华大学 | 基于伏安曲线的燃料电池使用寿命的预测方法及装置 |
CN111413626A (zh) * | 2020-04-17 | 2020-07-14 | 清华大学 | 基于类极化特性的燃料电池使用寿命的预测方法及装置 |
CN112098873A (zh) * | 2020-08-17 | 2020-12-18 | 四川大学 | 基于充电电压曲线几何特征的锂电池健康状态估计方法 |
CN112684345A (zh) * | 2020-12-04 | 2021-04-20 | 浙江大学 | 基于主动容错控制的质子交换膜燃料电池健康控制方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7019542B2 (en) * | 2004-04-06 | 2006-03-28 | Cadex Electronics Inc. | Method and apparatus for battery testing |
CN101252198A (zh) * | 2008-04-17 | 2008-08-27 | 上海交通大学 | 质子交换膜燃料电池测试平台 |
CN102096045A (zh) * | 2009-12-10 | 2011-06-15 | 中兴通讯股份有限公司 | 一种车载单元电池电量的测量方法和系统 |
US20130029245A1 (en) * | 2011-07-25 | 2013-01-31 | Bloom Energy Corporation | Measurement device for measuring voltages along a linear array of voltage sources |
WO2015109592A1 (en) * | 2014-01-27 | 2015-07-30 | Beihang University | Method for estimating li-ion battery capacity degradation |
-
2016
- 2016-04-12 CN CN201610224993.XA patent/CN105911474B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7019542B2 (en) * | 2004-04-06 | 2006-03-28 | Cadex Electronics Inc. | Method and apparatus for battery testing |
CN101252198A (zh) * | 2008-04-17 | 2008-08-27 | 上海交通大学 | 质子交换膜燃料电池测试平台 |
CN102096045A (zh) * | 2009-12-10 | 2011-06-15 | 中兴通讯股份有限公司 | 一种车载单元电池电量的测量方法和系统 |
US20130029245A1 (en) * | 2011-07-25 | 2013-01-31 | Bloom Energy Corporation | Measurement device for measuring voltages along a linear array of voltage sources |
WO2015109592A1 (en) * | 2014-01-27 | 2015-07-30 | Beihang University | Method for estimating li-ion battery capacity degradation |
Non-Patent Citations (1)
Title |
---|
蒋忠远 等: "智能电网中电能存储系统的容量优化", 《西安电子科技大学学报》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107607880A (zh) * | 2017-09-19 | 2018-01-19 | 哈尔滨工业大学 | 一种基于阻抗谱的锂离子电池内部健康特征提取方法 |
CN109978252A (zh) * | 2019-03-22 | 2019-07-05 | 山东科技大学 | 一种大功率集成燃料电池系统运行状态预测评估方法 |
CN109978252B (zh) * | 2019-03-22 | 2023-08-15 | 广东云韬氢能科技有限公司 | 一种大功率集成燃料电池系统运行状态预测评估方法 |
CN110413941A (zh) * | 2019-07-26 | 2019-11-05 | 西安交通大学 | 燃料电池输入输出特性的相似原理分析方法 |
CN111413627A (zh) * | 2020-04-17 | 2020-07-14 | 清华大学 | 基于伏安曲线的燃料电池使用寿命的预测方法及装置 |
CN111413626A (zh) * | 2020-04-17 | 2020-07-14 | 清华大学 | 基于类极化特性的燃料电池使用寿命的预测方法及装置 |
CN111413626B (zh) * | 2020-04-17 | 2021-04-23 | 清华大学 | 基于类极化特性的燃料电池使用寿命的预测方法及装置 |
CN111413627B (zh) * | 2020-04-17 | 2021-05-11 | 清华大学 | 基于伏安曲线的燃料电池使用寿命的预测方法及装置 |
CN112098873A (zh) * | 2020-08-17 | 2020-12-18 | 四川大学 | 基于充电电压曲线几何特征的锂电池健康状态估计方法 |
CN112098873B (zh) * | 2020-08-17 | 2021-06-01 | 四川大学 | 基于充电电压曲线几何特征的锂电池健康状态估计方法 |
CN112684345A (zh) * | 2020-12-04 | 2021-04-20 | 浙江大学 | 基于主动容错控制的质子交换膜燃料电池健康控制方法 |
CN112684345B (zh) * | 2020-12-04 | 2021-11-02 | 浙江大学 | 基于主动容错控制的质子交换膜燃料电池健康控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105911474B (zh) | 2018-12-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105911474A (zh) | 一种基于几何特征提取方法和马氏距离相结合的质子交换膜燃料电池健康状态评估方法 | |
Liu et al. | State-of-health estimation of lithium-ion batteries based on electrochemical impedance spectroscopy: a review | |
Li et al. | Data driven battery modeling and management method with aging phenomenon considered | |
CN107290679B (zh) | 用于电动汽车共享充电桩的智能化电池健康状态检测方法 | |
Hong et al. | Vehicle energy system active defense: a health assessment of lithium‐ion batteries | |
Kang et al. | A new neural network model for the state-of-charge estimation in the battery degradation process | |
Stroe et al. | Accelerated lifetime testing methodology for lifetime estimation of lithium-ion batteries used in augmented wind power plants | |
Keshun et al. | Remaining useful life prediction of lithium-ion batteries using EM-PF-SSA-SVR with gamma stochastic process | |
Pan et al. | Health degradation assessment of proton exchange membrane fuel cell based on an analytical equivalent circuit model | |
Liu et al. | Revealing the degradation patterns of lithium-ion batteries from impedance spectroscopy using variational auto-encoders | |
CN112666479B (zh) | 一种基于充电循环融合的电池寿命预测方法 | |
CN107239857A (zh) | 基于ls_svm和pca的架空输电线路风险评估方法 | |
CN115015789B (zh) | 基于增量电容曲线的锂离子电池健康状态估计方法及装置 | |
Liu et al. | Battery degradation model and multiple-indicators based lifetime estimator for energy storage system design and operation: Experimental analyses of cycling-induced aging | |
CN109613446A (zh) | 一种基于时间序列分析的锂电池老化检测方法 | |
CN113311337A (zh) | 基于相关向量回归的锂离子电池剩余寿命检测方法 | |
Lyu et al. | A semiparametric clustering method for the screening of retired Li-ion batteries from electric vehicles | |
CN105911480A (zh) | 一种动力电池soc估计方法 | |
Chen et al. | Fault diagnosis and classification for photovoltaic arrays based on principal component analysis and support vector machine | |
Peng et al. | A hybrid health prognostics method for proton Exchange membrane fuel cells with internal health recovery | |
Lin et al. | An enhanced circuit-based battery model with considerations of temperature effect | |
Jia et al. | An adaptive spherical square‐root double unscented Kalman filtering algorithm for estimating state‐of‐charge of lithium‐ion batteries | |
CN113488997A (zh) | 一种基于扰动响应多尺度特征的微电网临界能量评估方法 | |
Wang et al. | PEM fuel cell health state assessment using a geometrical approach and mahalanobis distance | |
CN118156549A (zh) | 基于人工神经网络的全钒液流电池soc预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |