CN111899815A - 一种利用指标气体浓度反演采空区煤温的方法 - Google Patents
一种利用指标气体浓度反演采空区煤温的方法 Download PDFInfo
- Publication number
- CN111899815A CN111899815A CN202010680660.4A CN202010680660A CN111899815A CN 111899815 A CN111899815 A CN 111899815A CN 202010680660 A CN202010680660 A CN 202010680660A CN 111899815 A CN111899815 A CN 111899815A
- Authority
- CN
- China
- Prior art keywords
- coal
- temperature
- concentration
- goaf
- gas
- 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
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/70—Machine learning, data mining or chemometrics
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/10—Analysis or design of chemical reactions, syntheses or processes
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Crystallography & Structural Chemistry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Analytical Chemistry (AREA)
- Health & Medical Sciences (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Immunology (AREA)
- General Physics & Mathematics (AREA)
- Biochemistry (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
Abstract
本发明公开了一种利用指标气体浓度反演采空区煤温的方法,步骤是:首先获取多组煤样的指标气体浓度随温度的变化规律,具体包括CO、C2H4和C2H2浓度数据,然后利用Logistic模型拟合CO、C2H4与温度的关系,继而基于统计学确定Logistic模型的四个参数A1、A2、x0、p,代入Logistic模型的本构方程分别得到CO、C2H4浓度与煤温的数学模型,而C2H2的初始出现温度范围为191℃~317℃,一旦检测到该气体,说明煤温超过191℃,直接判定煤已经发生燃烧。本发明给出了指标气体CO、C2H4与煤温的数学关系式,将现场气体浓度代入该数学关系式,能够反算煤温,为煤自燃预警提供数据支撑。
Description
技术领域
本发明涉及防治煤自燃技术领域,具体涉及一种利用指标气体浓度反演采空区煤温的方法。
背景技术
中国是主要的产煤国家,煤炭占能源消耗的70%以上。燃烧是煤炭的自然属性,可控的燃烧能为发展提供能源,不可控的煤自燃是煤矿安全开采的重大灾害,不仅释放有毒有害气体,污染环境,也会引起煤尘-瓦斯爆炸。监测监控是防治煤自燃的关键,而指标气体是煤自燃预警应用最广泛和最主要的特征参数,其涵盖了煤自燃绝大部分的信息,因此掌握采空区煤自燃关键气体的特征及其与煤温的关系对准确预测及治理煤自燃具有重要意义。
目前,国内外学者针对煤低温氧化过程中气体浓度变化及其与煤温的关系进行了大量的研究。利用绝热氧化法确定煤低温氧化气体随温度变化的规律,煤的热重分析给出了煤自燃的特征温度,如临界温度、裂解温度、燃点温度等,对煤自燃过程进行了细分。Onifade等研究了煤自燃倾向性与C、O、H等微观元素的关系,并划分了影响权重。Lei等构建了基于随机森林方法的煤自燃温度预测模型。高原等利用支持向量回归模型对煤自燃进行预测。Guo等利用绝热氧化法构建了CO/CO2、格雷哈姆系数等与煤温的预测模型。秦红星等利用指数函数和二次函数拟合了部分指标气体与温度的关系式。上述研究内容存在样本数量少、预测温度范围窄等缺点,并且在选择拟合气体与煤温的函数关系式时,未给出充分和详细的说明,拟合过程具有随机性。
统计学利用搜索、分析、描述数据等方法,能够揭示所测对象的本质,在各个领域都有广泛应用。目前基于统计学等内容探讨采空区气体浓度变化情况以及指标气体与煤温的函数关系鲜有文献报道。
发明内容
本发明的目的是提供一种利用指标气体浓度反演采空区煤温的方法。
为实现上述目的,本发明采用的技术方案如下:一种利用指标气体浓度反演采空区煤温的方法,具体步骤是:
(1)获取多组不同地区不同种类煤样的指标气体浓度随温度的变化规律,所述指标气体为CO、C2H4、C2H2;
(2)利用Logistic模型拟合CO、C2H4与温度的关系;
(3)基于统计学确定Logistic模型的四个参数A1、A2、x0、p,代入Logistic 模型的本构方程分别得到CO浓度、C2H4浓度与煤温的数学模型;
(4)根据步骤(3)得到的数学模型,通过测定矿井现场的CO浓度、C2H4浓度反演煤温,当检测到存在C2H2时,说明煤温超过191℃,直接判定煤已经发生燃烧。
优选的,通过煤低温绝热氧化实验获取指标气体浓度随温度的变化规律。
更优选的,所述煤低温绝热氧化实验的具体步骤是:(1)煤样破碎,筛分 50g粒径为40~80目的颗粒;(2)将煤样置于程序升温箱内的煤样罐中,连接好进气、出气气路以及温度探头,并检查气密性,所用空气为50ml/min的干空气;(3)当煤样罐中的温度达到指定测试温度时,恒定温度5min后采取气样,利用色谱分析仪进行气体成分和浓度分析。
优选的,所述煤样的种类至少10组,样本数量多,准确率更高。
与现有技术相比,本发明具有如下有益效果:
1.本发明基于统计学建立了气体浓度与煤温的预测模型,给出了指标气体 CO、C2H4与煤温的数学关系式,使煤氧化预测从定性描述变为定量计算。
2.基于该数学关系式,能够直接获得气体浓度的拐点温度,显示煤进入新的氧化阶段。
3.基于该数学关系式,将现场气体浓度代入该数学关系式,能够反算煤温,将温度测量转化为气体浓度测量,为煤自燃预警提供数据支撑。
附图说明
图1为煤低温氧化指标气体测试实验装置连接示意图;
上图中,1-煤样罐,2-程序控温箱,3-空气瓶,4-色谱分析仪,5-计算机;
图2为CO浓度变化曲线及阶段划分图;
图3为CO浓度变化曲线及其一介、二阶导数图;
图4为CO浓度二阶导数变化曲线图;
图5为CO浓度的实际拐点温度与拟合得到的x0的对比图;
图6为CO浓度Logistic拟合后各参数取值分布图;
图7为参数A1对数正态分布特征图;
图8为部分煤样C2H4浓度变化曲线图;
图9为C2H4浓度Logistic拟合后各参数取值分布图;
图10为CO、C2H4与煤温的数学模型拟合曲线图;
图11为四种拟合方法拟合优度对比:(a)残差对比;(b)其他三种指标对比;
图12为C2H2浓度及初现温度变化:(a)C2H2浓度变化;(b)C2H2初现温度。
具体实施方式
下面结合附图和具体实施例对本发明作进一步详细说明。
1.煤低温绝热氧化实验
煤样来自我国88座矿井的88组煤样,参考中国矿业大学国家安全生产检测中心,关于煤低温指标气体测试的详细步骤进行实验:(1)煤样破碎,筛分50g 粒径为40~80目的颗粒;(2)将煤样置于程序控温箱2内的煤样罐1中,连接好进、出气气路以及温度探头,并检查气密性,所用空气为50ml/min的干空气; (3)当煤样罐1中的温度达到指定测试温度时,恒定温度5min后采取气样,利用色谱分析仪4进行气体成分和浓度分析。实验装置如图1所示,煤样罐1置于程序控温箱2内,煤样罐1的进气口连接空气瓶3,煤样罐1的出气口连接色谱分析仪4的进样口,色谱分析仪4与计算机5电连接。
2.气体浓度与煤温的数学模型
2.1 CO浓度-煤温的数学模型
2.1.1 CO浓度特征
以6组代表性煤样为例,其CO浓度变化如图2所示,可知CO浓度随着煤温的增加而增加,具有明显的阶段性。根据曲线分布特征将煤低温氧化过程分为三个阶段。其中:(1)Ⅰ阶段:CO浓度具有一定的波动性,因为属于初始氧化阶段,煤氧未达到稳定的反应过程,因此CO浓度不稳定;(2)Ⅱ阶段:整体呈指数增加,说明该阶段煤进入稳定的氧化阶段;(3)Ⅲ阶段:超过某一临界温度后,CO浓度增量减小,总浓度缓慢增加。由第Ⅱ阶段向第Ⅲ阶段过渡的临界温度称为拐点温度,该值表征CO释放量逐渐减少的温度。
2.1.2数学模型
为了得到CO浓度与煤温的数学表达式,应首先确定CO浓度的分布特征。如图所示为贵州煤样CO浓度的一阶导数和二阶导数,其特征表明,在第二阶段,同一煤样的三组曲线近似直线分布,因此可认为原函数与导函数具有相似的函数特征,结合CO浓度指数性变化这一特性,确定第二阶段CO浓度变化可以用指数函数进行拟合,
为进一步优选适合气体浓度变化的函数,选取以下四种方法进行拟合优度对比:Logistic、指数模型、四次多项式和六次多项式模型。评价指标为:R2、残差分布、SSE、MSE。
拟合对象为贵州煤样CO浓度随煤温的变化,上述四类评价指标如表1所示。
表1拟合优度对比
R<sup>2</sup> | 残差极差 | SSE | MSE | |
6次多项式 | 0.99979 | 105.84 | 16949.00704 | 807.09557 |
4次多项式 | 0.99936 | 212.91 | 56966.25234 | 2476.79358 |
Logistic拟合 | 0.9999 | 92.43 | 9653.69673 | 402.23736 |
指数拟合 | 0.9981 | 404.91 | 189338.59146 | 7282.25352 |
根据对比结果可知,广泛被应用的指数拟合,其残差离散度最高,MSE和 SSE最大,因此,该拟合方法是上述四种方法中最差的。Logistic拟合参数的R2最大,SSE与MSE均最小,且残差范围最小,因此Logistic拟合效果最佳,其次Logistic回归分析包含缓慢期、对数期、稳定期等阶段,与CO浓度变化阶段特性匹配,因此选择Logistic函数进行拟合。
Logistic模型的拟合方程如式(1):
为了得到CO浓度与煤温的数学模型,需要确定四个参数A2,A1,p,x0 的值。
为了确定x0与拐点温度的关系,首先求解气体的拐点温度,图4所示为CO 浓度二阶导数变化曲线,与0线相交的点为气体的温度拐点,其值为拐点温度。二阶导数未出现0值得曲线对应的拐点温度默认为实验最高温度350℃。
图5所示为根据实验得到的CO浓度的拐点温度与x0值的对比曲线,可知两参数具有相似的分布特征,根据表2中的Pearson相关性检验可知,两值的相关性系数高达0.98225,因此可以用x0代替CO浓度的拐点温度。
表2 CO实际拐点温度与拟合拐点温度x0相关性
如图6所示为18组煤样CO浓度Logistic拟合参数(A1,A2,p,x0)分布,其中A2、p和x0近似符合正态分布。对A1进行分布检验,如表3和图7 所示,可知A1属于对数正态分布,对A1进行正态化处理,得到其分布参数μ=1.37,σ=0.59,即Log(A1MEAN)=1.37,则A1MEAN=23.44。
表3参数A1分布检验
上述四个参数均符合正态分布后,可用平均值(或中位数)表征其它样本值。则该组参数的取值为:A1-CO=23,A2-CO=14990,x0-CO=294,p-CO=11。CO浓度与煤温的拟合公式如式2所示。
2.2 C2H4浓度-煤温的数学模型
以6组代表性煤样为例,其C2H4浓度变化如图8所示,在实验温度范围内, C2H4随着温度指数性增加,与CO浓度分布不同的是C2H4的初现温度较高,大于100℃,说明C2H4适用于煤自燃预警。
18组煤样C2H4浓度Logistics拟合参数分布如图9所示,可知,该组参数均符合正态分布,因此可以用平均值(中位数)表征样本参数值,得到A1-C2H4=0.3, A2-C2H4=27,x0-C2H4=283,p-C2H4=17,则C2H4浓度-煤温的数学模型如式(3) 所示,曲线如图10所示:
2.3 C2H2浓度特征
以14组煤样为例,其C2H2浓度变化如图12所示,不同煤样C2H2初现温度均较高,温度范围为191℃~317℃,极差达到126℃。由于C2H2的浓度较低,基本小于1×10-6,不宜拟合“C2H2浓度-煤温”的数学表达式。在实际应用中,该气体的出现可直接判定遗煤处于高温氧化阶段,危险等级高(直接当成灾变处理),而不必通过浓度值得高低判定。
Claims (4)
1.一种利用指标气体浓度反演采空区煤温的方法,其特征在于:具体步骤是:
(1)获取多组不同地区不同种类煤样的指标气体浓度随温度的变化规律,所述指标气体为CO、C2H4、C2H2;
(2)利用Logistic模型拟合CO、C2H4与温度的关系;
(3)基于统计学确定Logistic模型的四个参数A1、A2、x0、p,代入Logistic模型的本构方程分别得到CO浓度、C2H4浓度与煤温的数学模型;
(4)根据步骤(3)得到的数学模型,通过测定矿井现场的CO浓度、C2H4浓度反演煤温,当检测到存在C2H2时,说明煤温超过191℃,直接判定煤已经发生燃烧。
2.根据权利要求1所述的一种利用指标气体浓度反演采空区煤温的方法,其特征在于:通过煤低温绝热氧化实验获取指标气体浓度随温度的变化规律。
3.根据权利要求2所述的一种利用指标气体浓度反演采空区煤温的方法,其特征在于:所述煤低温绝热氧化实验的具体步骤是:(1)煤样破碎,筛分50g粒径为40~80目的颗粒;(2)将煤样置于程序升温箱内的煤样罐中,连接好进气、出气气路以及温度探头,并检查气密性,所用空气为50ml/min的干空气;(3)当煤样罐中的温度达到指定测试温度时,恒定温度5min后采取气样,利用色谱分析仪进行气体成分和浓度分析。
4.根据权利要求1所述的一种利用指标气体浓度反演采空区煤温的方法,其特征在于:所述煤样的种类至少10组。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010680660.4A CN111899815B (zh) | 2020-07-15 | 2020-07-15 | 一种利用指标气体浓度反演采空区煤温的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010680660.4A CN111899815B (zh) | 2020-07-15 | 2020-07-15 | 一种利用指标气体浓度反演采空区煤温的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111899815A true CN111899815A (zh) | 2020-11-06 |
CN111899815B CN111899815B (zh) | 2021-12-28 |
Family
ID=73191232
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010680660.4A Active CN111899815B (zh) | 2020-07-15 | 2020-07-15 | 一种利用指标气体浓度反演采空区煤温的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111899815B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114264788A (zh) * | 2021-12-23 | 2022-04-01 | 徐州工程学院 | 一种用于工作面不同区域与煤自燃相关度大小的判定方法 |
CN114565193A (zh) * | 2022-04-15 | 2022-05-31 | 西安科技大学 | 基于机器学习的煤自燃倾向性预测方法 |
CN116864024A (zh) * | 2023-09-05 | 2023-10-10 | 中国矿业大学(北京) | 基于一氧化碳生成指数的煤自燃倾向性判识方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101726511A (zh) * | 2009-12-23 | 2010-06-09 | 煤炭科学研究总院沈阳研究院 | 一种动态调控风温的煤最短自然发火期快速测试方法 |
CN108049916A (zh) * | 2017-12-09 | 2018-05-18 | 西安科技大学 | 一种矿井煤自燃分级预警与主动分级防控方法 |
CN109184800A (zh) * | 2018-10-15 | 2019-01-11 | 西安科技大学 | 一种煤自燃预警分级方法及预警方法 |
CN109342498A (zh) * | 2018-10-15 | 2019-02-15 | 西安科技大学 | 一种煤自燃过程阶段判定方法 |
CN109374153A (zh) * | 2018-12-25 | 2019-02-22 | 湖南科技大学 | 一种基于井下实测气体浓度值推算煤氧化温升的方法 |
CN109613203A (zh) * | 2018-11-28 | 2019-04-12 | 中国神华能源股份有限公司 | 二次氧化煤样自燃危险性判识方法及其电子设备 |
CN110243860A (zh) * | 2019-05-23 | 2019-09-17 | 西安科技大学 | 一种煤炭自燃预测方法 |
CN110927213A (zh) * | 2019-10-31 | 2020-03-27 | 天地(常州)自动化股份有限公司 | 基于采空区温度和指标气体的遗煤自燃危险分级预警方法 |
-
2020
- 2020-07-15 CN CN202010680660.4A patent/CN111899815B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101726511A (zh) * | 2009-12-23 | 2010-06-09 | 煤炭科学研究总院沈阳研究院 | 一种动态调控风温的煤最短自然发火期快速测试方法 |
CN108049916A (zh) * | 2017-12-09 | 2018-05-18 | 西安科技大学 | 一种矿井煤自燃分级预警与主动分级防控方法 |
CN109184800A (zh) * | 2018-10-15 | 2019-01-11 | 西安科技大学 | 一种煤自燃预警分级方法及预警方法 |
CN109342498A (zh) * | 2018-10-15 | 2019-02-15 | 西安科技大学 | 一种煤自燃过程阶段判定方法 |
CN109613203A (zh) * | 2018-11-28 | 2019-04-12 | 中国神华能源股份有限公司 | 二次氧化煤样自燃危险性判识方法及其电子设备 |
CN109374153A (zh) * | 2018-12-25 | 2019-02-22 | 湖南科技大学 | 一种基于井下实测气体浓度值推算煤氧化温升的方法 |
CN110243860A (zh) * | 2019-05-23 | 2019-09-17 | 西安科技大学 | 一种煤炭自燃预测方法 |
CN110927213A (zh) * | 2019-10-31 | 2020-03-27 | 天地(常州)自动化股份有限公司 | 基于采空区温度和指标气体的遗煤自燃危险分级预警方法 |
Non-Patent Citations (3)
Title |
---|
姚海飞等: "典型整合矿井煤自燃标志气体判定", 《煤炭科学技术》 * |
王福生等: "煤自然发火预测预报模型的构建", 《矿业安全与环保》 * |
王鑫阳等: "基于绝热氧化试验结果的煤自燃预测模型研究", 《中国安全科学学报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114264788A (zh) * | 2021-12-23 | 2022-04-01 | 徐州工程学院 | 一种用于工作面不同区域与煤自燃相关度大小的判定方法 |
CN114264788B (zh) * | 2021-12-23 | 2023-09-29 | 徐州工程学院 | 一种用于工作面不同区域与煤自燃相关度大小的判定方法 |
CN114565193A (zh) * | 2022-04-15 | 2022-05-31 | 西安科技大学 | 基于机器学习的煤自燃倾向性预测方法 |
CN116864024A (zh) * | 2023-09-05 | 2023-10-10 | 中国矿业大学(北京) | 基于一氧化碳生成指数的煤自燃倾向性判识方法及系统 |
CN116864024B (zh) * | 2023-09-05 | 2023-12-01 | 中国矿业大学(北京) | 基于一氧化碳生成指数的煤自燃倾向性判识方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111899815B (zh) | 2021-12-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111899815B (zh) | 一种利用指标气体浓度反演采空区煤温的方法 | |
CN110243860B (zh) | 一种煤炭自燃预测方法 | |
Song et al. | Experimental study on the diffusion–kinetics interaction in heterogeneous reaction of coal | |
CN103018195B (zh) | 近红外光谱测定pbx炸药中pctfe含量的方法 | |
US11247784B2 (en) | Gas-flammability sensing systems and methods | |
CN105259327B (zh) | 一种可燃气体检测仪及其检测方法 | |
CN106950143A (zh) | 一种卷烟纸中碳酸钙含量的测量方法 | |
Bian et al. | A boosting extreme learning machine for near-infrared spectral quantitative analysis of diesel fuel and edible blend oil samples | |
Jia et al. | Investigating the effect of coal particle size on spontaneous combustion and oxidation characteristics of coal | |
CN111537845A (zh) | 基于拉曼光谱聚类分析的油纸绝缘设备老化状态识别方法 | |
Konieczyński et al. | The release of trace elements in the process of coal coking | |
Zhang et al. | Experiment-based investigations on the variation laws of functional groups on ignition energy of coal dusts | |
CN109374530A (zh) | 六氟化硫气体分解产物的光声光谱在线监测方法 | |
Chen et al. | A novel model for predicting lower flammability limits using Quantitative Structure Activity Relationship approach | |
CN103439364A (zh) | 一种高分子材料燃烧产生有害气体的测试装置法及试验方法 | |
CN117233210B (zh) | 一种聚乙烯粉尘爆炸危险性预测方法 | |
CN114496104A (zh) | 一种采煤条件下采空区遗煤自燃程度评估方法及系统 | |
CN114520027A (zh) | 一种氢气系统爆炸危险等级评估方法 | |
Wang et al. | Analysis of edible oil oxidation based on changes in the electrical conductivity of the extracted aqueous phase | |
CN114813635B (zh) | 煤炉燃烧参数的优化方法及电子设备 | |
CN116151612A (zh) | 一种用于不同变质程度煤自燃危险等级划分的方法 | |
Wang et al. | Combination of LF‐NMR and BP‐ANN to monitor the moisture content of rice during hot‐air drying | |
Wu et al. | Fuel octane number prediction based on topological indices and active subspace method | |
Kaminsky et al. | The estimation of the kinetic parameters of low-temperature coal oxidation. | |
US20190257808A1 (en) | Chemo-Metrical Prediction of Methane Index for the Natural Gas |
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 |