CN107919831B - 一种基于动态参数辨识的飞轮储能系统的转子位置检测方法 - Google Patents
一种基于动态参数辨识的飞轮储能系统的转子位置检测方法 Download PDFInfo
- Publication number
- CN107919831B CN107919831B CN201711127167.4A CN201711127167A CN107919831B CN 107919831 B CN107919831 B CN 107919831B CN 201711127167 A CN201711127167 A CN 201711127167A CN 107919831 B CN107919831 B CN 107919831B
- Authority
- CN
- China
- Prior art keywords
- formula
- value
- axle inductance
- inductance value
- fspm
- 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
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
- H02P21/14—Estimation or adaptation of machine parameters, e.g. flux, current or voltage
- H02P21/18—Estimation of position or speed
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Medicines Containing Antibodies Or Antigens For Use As Internal Diagnostic Agents (AREA)
- Control Of Ac Motors In General (AREA)
Abstract
本发明公开了一种基于动态参数辨识的飞轮储能系统的转子位置检测方法,首先,测量FSPM电机在一个电周期内的定位力矩值、d轴电感值和q轴电感值,将这三个值导入控制系统的离线表中;然后,采用基于参数自学习辨识算法的θ域扰动状态观测器对运行过程中的FSPM电机进行定位力矩值、d轴电感值和q轴电感值的在线辨识;最后将在线辨识得到的值作为已知值,与离线表进行匹配,确定FSPM电机运行过程中的转子位置信息。本发明将离线表、非线性扰动状态观测器、以及自学习辨识算法结合在一起,使得FSPM电机定位力矩的预测值能够快速准确的跟随真实值,实现飞轮储能系统用FSPM电机全速下无位置准确跟踪。
Description
技术领域
本发明涉及一种基于动态参数辨识的飞轮储能系统的转子位置检测方法,属于飞轮储能系统用FSPM电机控制技术。
背景技术
能源是社会进步和生产力发展的重要动力,随着全球经济的高速发展,能源需求快速增长,传统的化石能源消耗巨大,正在走向枯竭,人类面临着源危机的严峻考验。近些年,风能、太阳能发电等可再生能源技术发展迅速,可再生能源在未来电力系统的能源结构中将占有极其重要的位置。但是可再生能源本身具有间歇性和随机性,如果直接接入电力系统中,会严重影响电力系统的电能质量。储能技术是解决这一问题,高效利用可再生能源的重要途径之一,是未来智能电网发展中不可或缺的一部分。
目前常见的储能方式有:蓄电池储能、超级电容储能、飞轮储能、超导储能等。其中飞轮储能具有效率高、寿命长、无污染、充放电迅速等优点,被认为是近期最有希望和最有竞争力的储能技术,有着非常广阔的应用前景。
飞轮储能是将能量以机械能的形式储存在高速旋转的飞轮转子中,系统通常由飞轮转子、支撑轴承、电机、电力电子变换电路等组成。磁通切换电机(FSPM)继承了开关磁阻电机转子结构简单坚固和永磁同步电机(转子永磁式电机)转矩密度高、效率高的优,永磁体放置在定子上,不受离心力,散热条件良好,而转子上既无绕组又无永磁体,结构简单、适合高速运行,非常适用于飞轮储能系统中。
发明内容
发明目的:为了克服现有技术中存在的不足,本发明提供一种基于动态参数辨识的飞轮储能系统的转子位置检测方法,结合FSPM电机双凸极结构引起的定位力矩较大的特点,将离线表、扰动状态观测器以及参数自学习辨识算法结合在一起,使得FSPM电机定位力矩的预测值能够快速准确的跟随真实值,实现飞轮储能系统用FSPM电机无位置准确跟踪。
技术方案:为实现上述目的,本发明采用的技术方案为:
一种基于动态参数辨识的飞轮储能系统的转子位置检测方法,首先,测量FSPM电机在一个电周期内的定位力矩值、d轴电感值和q轴电感值,将这三个值导入控制系统的离线表中;然后,采用基于参数自学习辨识算法的θ域扰动状态观测器对运行过程中的FSPM电机进行定位力矩值、d轴电感值和q轴电感值的在线辨识;最后将在线辨识得到的值作为已知值,与离线表进行匹配,确定FSPM电机运行过程中的转子位置信息。本发明将离线表、扰动状态观测器以及参数自学习辨识算法结合在一起,使得FSPM电机定位力矩的预测值能够快速准确的跟随真实值,实现飞轮储能系统用FSPM电机全速下无位置准确跟踪。
具体的,为检测FSPM电机的转子位置信息,θ域扰动状态观测器采用阈值转换器将以时间t为单位的定位力矩Fcog(t)转换为以角度θ为单位的定位力矩Fcog(θ)。
具体的,采用基于参数自学习辨识算法辨识d轴电感值和Lq和q轴电感值Ld时,首先设κ-γ虚拟坐标系以估计转速估计角度运行,同时选取适合的收敛系数σ即可控制系统期望的最大角度误差Δθe_max,保证估计角度的准确性,获得κ-γ虚拟坐标系下的电流κ-γ虚拟坐标系。
上述方法具体包括如下步骤:
(1)根据LFSPM电机的动子从x=0~τρ的一个电周期过程中产生的定位力矩波形图,将定位力矩的值备份到控制系统离线表中,对LFSPM电机从x=0~τρ的一个电周期过程中的dq轴电感值进行测量并备份到控制系统离线表中;
(2)将非线性扰动状态观测器表示为:
式中,ε为最优控制系数,x(t)为时变、非线性系统的控制对象,z1为x(t)的跟踪信号,z2为γ(t)的观测值,γ(t)为未知扰动,u(t)为系统控制量,b为跟踪系数,β01和β02为输出误差校正效益,fal(ε,α,δ)为最优综合控制函数,δ为滤波因子,α=α1,α1,α1和α2为非线性因子,且满足0<α1<α2<1,有:
(3)将FSPM电机的机械状态方程表示为:
式中,ω为FSPM电机的转速,Fe(t)为电磁推力,Fcog(t)为定位力矩,J为转动惯量;令z1=ω,z2=Fcog(t),u(t)=Fe(t),由于Fe(t)和J为已知量,因此只需要得知Fcog(t)即可对ω进行估计;
(4)将以时间t为单位的定位力矩Fcog(t)转换为以角度θ为单位的定位力矩Fcog(θ);设0<ω<∞,tf表示一个时间区间,且ω=dθ/dt,定义L2(0,tf)为勒贝格平方可积空间,u(t)在L2(0,tf)空间的范数满足式(4),L2(0,tf)同时为希尔伯特空间:
对ω引进权函数空间则L2(0,tf)和分别为:
从式(5)和式(6)可以看出ω>0,所以L2(0,tf)和具有相同拓扑;
定义算子T为到的映射,其中θf=f(tf),即有:
因此存在线性算子T,使其逆存在,且T-1=T*,T*为T的伴随算子;
(5)针对FSPM电机无位置传感器控制系统,由于角度θe无法通过光栅尺进行直接测量,因此不能获取d-q坐标下的电流、电压值,为准确检测实际动子位置,设κ-γ虚拟坐标系以估计转速估计角度运行,采取自学习辨识算法对dq轴电感进行辨识,LFSPM电机电压稳态数学模型为:
式中,uκ、uγ和iκ、iγ分别为定子电压和电流在κ-γ虚拟坐标系下的分量,Rs和ψPM分别表示定子电阻和永磁磁链,Ld和Lq分别表示直轴和交轴电感,ω和τ分别表示LFSPM电机转速和极距;
自学习格式为:
式中,y(t)、分别表示系统输出、输入序列,Λ为待辨识的参数;
根据式(10)将式(9)写成:
式中:
引入角度误差纠正器,其闭环传递函数为:
式中,s表示复频率,τp、τi分别表示分别为PI调节器的比例系数和积分系数;为了使角度误差纠正器对系统扰动具有较强的鲁棒性,因此分析系数τp和τi的选取方法,根据非线性扰动状态观测器结构,可得:
同时,将系统的两个极点进行优化配置,并令其重合在点σ,即:
由式(13)、(14)可得τp=2σ,τi=σ2;
FSPM电机的实际速度θe和角度ω关系为:
根据式(15)与式(13),可得误差方程:
令可得:
因此可通过公式(17)对σ进行选取:
式中,Δθe_max为系统期望的最大角度误差;因此选取适合的σ即可控制最大角度误差,保证的准确性,获得虚拟坐标系κ-γ下的电流iκ、iγ和电压uκ、uγ,即:
式中,iα和iβ分别为FSPM电机α、β轴电流;
最后根据公式(11),采取自学习辨识算法即可得出d轴电感值和Lq和q轴电感值Ld,最终将Fcog(θ)、Lq、Ld视为三个已知量匹配离线表,确定位置θe。
有益效果:本发明提供的基于动态参数辨识的飞轮储能系统的转子位置检测方法,结合FSPM电机双凸极结构引起的定位力矩较大的特点,将离线表、扰动状态观测器以及参数自学习辨识算法结合在一起,使得FSPM电机定位力矩的预测值能够快速准确的跟随真实值,实现飞轮储能系统用FSPM电机无位置准确跟踪;本发明方法具有一定的适应性和扩展性,可以为相似结构的电机无位置传感器控制提供一定的参考。
附图说明
图1为定位力测量波形;
图2为交、直轴电感测量波形;
图3为角度误差纠正器跟踪框图;
图4为本发明方法实施框图。
具体实施方式
下面结合附图对本发明作更进一步的说明。
一种基于动态参数辨识的飞轮储能系统的转子位置检测方法,首先,测量FSPM电机在一个电周期内的定位力矩值、d轴电感值和q轴电感值,将这三个值导入控制系统的离线表中;然后,采用基于参数自学习辨识算法的θ域扰动状态观测器对运行过程中的FSPM电机进行定位力矩值、d轴电感值和q轴电感值的在线辨识;最后将在线辨识得到的值作为已知值,与离线表进行匹配,确定FSPM电机运行过程中的转子位置信息。本发明将离线表、扰动状态观测器以及参数自学习辨识算法结合在一起,使得FSPM电机定位力矩的预测值能够快速准确的跟随真实值,实现飞轮储能系统用FSPM电机全速下无位置准确跟踪。
该方法具体包括如下步骤:
(1)根据LFSPM电机的动子从x=0~τρ的一个电周期过程中产生的定位力矩波形图,将定位力矩的值备份到控制系统离线表中,对LFSPM电机从x=0~τρ的一个电周期过程中的dq轴电感值进行测量并备份到控制系统离线表中;
(2)将非线性扰动状态观测器表示为:
式中,ε为最优控制系数,x(t)为时变、非线性系统的控制对象,z1为x(t)的跟踪信号,z2为γ(t)的观测值,γ(t)为未知扰动,u(t)为系统控制量,b为跟踪系数,β01和β02为输出误差校正效益,fal(ε,α,δ)为最优综合控制函数,δ为滤波因子,α=α1,α1,α1和α2为非线性因子,且满足0<α1<α2<1,有:
(3)将FSPM电机的机械状态方程表示为:
式中,ω为FSPM电机的转速,Fe(t)为电磁推力,Fcog(t)为定位力矩,J为转动惯量;令z1=ω,z2=Fcog(t),u(t)=Fe(t),由于Fe(t)和J为已知量,因此只需要得知Fcog(t)即可对ω进行估计;
(4)将以时间t为单位的定位力矩Fcog(t)转换为以角度θ为单位的定位力矩Fcog(θ);设0<ω<∞,tf表示一个时间区间,且ω=dθ/dt,定义L2(0,tf)为勒贝格平方可积空间,u(t)在L2(0,tf)空间的范数满足式(4),L2(0,tf)同时为希尔伯特空间:
对ω引进权函数空间则L2(0,tf)和分别为:
从式(5)和式(6)可以看出ω>0,所以L2(0,tf)和具有相同拓扑;
定义算子T为到的映射,其中θf=f(tf),即有:
因此存在线性算子T,使其逆存在,且T-1=T*,T*为T的伴随算子;
(5)针对FSPM电机无位置传感器控制系统,由于角度θe无法通过光栅尺进行直接测量,因此不能获取d-q坐标下的电流、电压值,为准确检测实际动子位置,设κ-γ虚拟坐标系以估计转速估计角度运行,采取自学习辨识算法对dq轴电感进行辨识,LFSPM电机电压稳态数学模型为:
式中,uκ、uγ和iκ、iγ分别为定子电压和电流在κ-γ虚拟坐标系下的分量,Rs和ψPM分别表示定子电阻和永磁磁链,Ld和Lq分别表示直轴和交轴电感,ω和τ分别表示LFSPM电机转速和极距;
自学习格式为:
式中,y(t)、分别表示系统输出、输入序列,Λ为待辨识的参数;
根据式(10)将式(9)写成:
式中:
引入角度误差纠正器,其闭环传递函数为:
式中,s表示复频率,τp、τi分别表示分别为PI调节器的比例系数和积分系数;为了使角度误差纠正器对系统扰动具有较强的鲁棒性,因此分析系数τp和τi的选取方法,根据非线性扰动状态观测器结构,可得:
同时,将系统的两个极点进行优化配置,并令其重合在点σ,即:
由式(13)、(14)可得τp=2σ,τi=σ2;
FSPM电机的实际速度θe和角度ω关系为:
根据式(15)与式(13),可得误差方程:
令可得:
因此可通过公式(17)对σ进行选取:
式中,Δθe_max为系统期望的最大角度误差;因此选取适合的σ即可控制最大角度误差,保证的准确性,获得虚拟坐标系κ-γ下的电流iκ、iγ和电压uκ、uγ,即:
式中,iα和iβ分别为FSPM电机α、β轴电流;
最后根据公式(11),采取自学习辨识算法即可得出d轴电感值和Lq和q轴电感值Ld,最终将Fcog(θ)、Lq、Ld视为三个已知量匹配离线表,确定位置θe。
以上所述仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (1)
1.一种基于动态参数辨识的飞轮储能系统的转子位置检测方法,其特征在于:首先,测量FSPM电机在一个电周期内的定位力矩值、d轴电感值和q轴电感值,将这三个值导入控制系统的离线表中;然后,采用基于参数自学习辨识算法的θ域扰动状态观测器对运行过程中的FSPM电机进行定位力矩值、d轴电感值和q轴电感值的在线辨识;θ域扰动状态观测器采用阈值转换器将以时间t为单位的定位力矩Fcog(t)转换为以角度θ为单位的定位力矩Fcog(θ);最后将在线辨识得到的值作为已知值,与离线表进行匹配,确定FSPM电机运行过程中的转子位置信息;
采用基于参数自学习辨识算法辨识d轴电感值和Lq和q轴电感值Ld时,首先设κ-γ虚拟坐标系以估计转速估计角度运行,同时选取适合的收敛系数σ即可控制系统期望的最大角度误差Δθe_max,保证估计角度的准确性,获得κ-γ虚拟坐标系下的电流κ-γ虚拟坐标系;
该方法具体包括如下步骤:
(1)根据LFSPM电机的动子从x=0~τρ的一个电周期过程中产生的定位力矩波形图,将定位力矩的值备份到控制系统离线表中,对LFSPM电机从x=0~τρ的一个电周期过程中的dq轴电感值进行测量并备份到控制系统离线表中;
(2)将非线性扰动状态观测器表示为:
式中,ε为最优控制系数,x(t)为时变、非线性系统的控制对象,z1为x(t)的跟踪信号,z2为γ(t)的观测值,γ(t)为未知扰动,u(t)为系统控制量,b为跟踪系数,β01和β02为输出误差校正效益,fal(ε,α,δ)为最优综合控制函数,δ为滤波因子,α=α1,α2,α1和α2为非线性因子,且满足0<α1<α2<1,有:
(3)将FSPM电机的机械状态方程表示为:
式中,ω为FSPM电机的转速,Fe(t)为电磁推力,Fcog(t)为定位力矩,J为转动惯量;令z1=ω,z2=Fcog(t),u(t)=Fe(t),由于Fe(t)和J为已知量,因此只需要得知Fcog(t)即可对ω进行估计;
(4)将以时间t为单位的定位力矩Fcog(t)转换为以角度θ为单位的定位力矩Fcog(θ);设0<ω<∞,tf表示一个时间区间,且ω=dθ/dt,定义L2(0,tf)为勒贝格平方可积空间,u(t)在L2(0,tf)空间的范数满足式(4),L2(0,tf)同时为希尔伯特空间:
对ω引进权函数空间则L2(0,tf)和分别为:
从式(5)和式(6)可以看出ω>0,所以L2(0,tf)和具有相同拓扑;
定义算子T为到的映射,其中θf=f(tf),即有:
因此存在线性算子T,使其逆存在,且T-1=T*,T*为T的伴随算子;
(5)针对FSPM电机无位置传感器控制系统,由于角度θe无法通过光栅尺进行直接测量,因此不能获取d-q坐标下的电流、电压值,为准确检测实际动子位置,设κ-γ虚拟坐标系以估计转速估计角度运行,采取自学习辨识算法对dq轴电感进行辨识,LFSPM电机电压稳态数学模型为:
式中,uκ、uγ和iκ、iγ分别为定子电压和电流在κ-γ虚拟坐标系下的分量,Rs和ψPM分别表示定子电阻和永磁磁链,Ld和Lq分别表示直轴和交轴电感,ω和τ分别表示LFSPM电机转速和极距;
自学习格式为:
式中,y(t)、分别表示系统输出、输入序列,Λ为待辨识的参数;
根据式(10)将式(9)写成:
式中:
Λ=[Lq Ld]T
引入角度误差纠正器,其闭环传递函数为:
式中,s表示复频率,τp、τi分别表示分别为PI调节器的比例系数和积分系数;根据非线性扰动状态观测器结构,可得:
同时,将系统的两个极点进行优化配置,并令其重合在点σ,即:
由式(13)、(14)可得τp=2σ,τi=σ2;
FSPM电机的角度θe和实际速度ω关系为:
根据式(15)与式(13),可得误差方程:
令可得:
因此可通过公式(17)对σ进行选取:
式中,Δθe_max为系统期望的最大角度误差;因此选取适合的σ即可控制最大角度误差,保证的准确性,获得虚拟坐标系κ-γ下的电流iκ、iγ和电压uκ、uγ,即:
式中,iα和iβ分别为FSPM电机α、β轴电流;
最后根据公式(11),采取自学习辨识算法即可得出d轴电感值和Lq和q轴电感值Ld,最终将Fcog(θ)、Lq、Ld视为三个已知量匹配离线表,确定位置θe。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711127167.4A CN107919831B (zh) | 2017-11-15 | 2017-11-15 | 一种基于动态参数辨识的飞轮储能系统的转子位置检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711127167.4A CN107919831B (zh) | 2017-11-15 | 2017-11-15 | 一种基于动态参数辨识的飞轮储能系统的转子位置检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107919831A CN107919831A (zh) | 2018-04-17 |
CN107919831B true CN107919831B (zh) | 2019-08-16 |
Family
ID=61895500
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711127167.4A Active CN107919831B (zh) | 2017-11-15 | 2017-11-15 | 一种基于动态参数辨识的飞轮储能系统的转子位置检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107919831B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108649849B (zh) * | 2018-06-13 | 2020-09-01 | 新风光电子科技股份有限公司 | 一种简单的无传感器永磁同步电机速度估测方法 |
CN108832860B (zh) * | 2018-07-27 | 2023-05-19 | 江苏省特种设备安全监督检验研究院 | 便携式电子磁链转矩测试仪 |
CN113315432B (zh) * | 2021-03-31 | 2023-09-12 | 金风科技股份有限公司 | 风力发电机的参数辨识方法以及参数辨识装置 |
CN115566951B (zh) * | 2022-08-22 | 2023-03-21 | 哈尔滨工业大学 | 一种带电阻误差补偿的同步磁阻电机磁链自学习方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103199788B (zh) * | 2013-04-19 | 2015-04-15 | 哈尔滨工业大学 | 永磁同步电机转子位置观测器 |
CN105024612A (zh) * | 2015-07-29 | 2015-11-04 | 重庆华数机器人有限公司 | 一种基于参数辨识的电机电流控制方法及系统 |
CN105227023B (zh) * | 2015-10-28 | 2018-04-17 | 广东美的制冷设备有限公司 | 一种永磁同步电机交直轴电感在线辨识方法和系统 |
-
2017
- 2017-11-15 CN CN201711127167.4A patent/CN107919831B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN107919831A (zh) | 2018-04-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107919831B (zh) | 一种基于动态参数辨识的飞轮储能系统的转子位置检测方法 | |
CN107911057B (zh) | 一种用于飞轮储能系统的转子位置鲁棒观测方法 | |
CN102916647B (zh) | 一种在线测量异步电机转子时间常数的方法及装置 | |
CN103872951A (zh) | 基于滑模磁链观测器的永磁同步电机转矩控制方法 | |
CN107332490B (zh) | 一种开关磁阻电机的模糊直接瞬时转矩控制方法 | |
CN106026816A (zh) | 一种轴向磁场磁通切换型混合永磁体记忆电机矢量控制方法 | |
CN108696187B (zh) | 无轴承同步磁阻电机参数观测的悬浮系统构造方法 | |
CN104579083A (zh) | 永磁同步电机矢量控制方法及系统 | |
CN105450106B (zh) | 永磁同步发电机转子位置估算方法 | |
CN109495031A (zh) | 一种基于ESO-CPC的激光追踪控制系统电机Simulink仿真方法 | |
CN110345013B (zh) | 基于神经网络模型预测控制的磁悬浮垂直轴风电机组控制方法 | |
CN105896600A (zh) | 一种永磁同步直驱风力发电机并网系统控制方法 | |
CN110401393A (zh) | 宽容分层序列模型预测控制方法、设备和存储介质 | |
CN109495047A (zh) | 一种基于高频信号注入的永磁同步电机无传感器控制方法 | |
CN109194208A (zh) | 无速度传感器控制方法 | |
CN107276479A (zh) | 一种两相正交绕组永磁同步电机转速确定方法 | |
CN103684138B (zh) | 一种基于非导通相端电压坐标变换的三相电励磁双凸极电机高速无位置控制策略 | |
CN102904515A (zh) | 开关磁阻发电机无位置传感器控制方法 | |
CN107508518A (zh) | 一种用于飞轮储能系统的自抗扰控制方法 | |
Bao et al. | Improved sensorless control method combining SMO and MRAS for surface PMSM drives | |
CN203057059U (zh) | 基于模糊滑模和神经网络的永磁同步电机复合控制系统 | |
Chen et al. | A new approach to real time measurement of power angles of generators at different locations for stability control | |
CN104009694B (zh) | 微网构建中基于功率因素校正整流算法的发电机控制方法 | |
CN109327047A (zh) | 一种基于pcc的风电变流器控制系统的实现方法 | |
CN202362385U (zh) | 永磁同步电机交轴电抗测量装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |