CN112285554B - 基于信息融合的永磁同步电机退磁故障诊断方法与装置 - Google Patents
基于信息融合的永磁同步电机退磁故障诊断方法与装置 Download PDFInfo
- Publication number
- CN112285554B CN112285554B CN202010986508.9A CN202010986508A CN112285554B CN 112285554 B CN112285554 B CN 112285554B CN 202010986508 A CN202010986508 A CN 202010986508A CN 112285554 B CN112285554 B CN 112285554B
- Authority
- CN
- China
- Prior art keywords
- demagnetization
- torque
- signal
- motor
- average value
- 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
Images
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
- G01R31/34—Testing dynamo-electric machines
- G01R31/343—Testing dynamo-electric machines in operation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
- G01M99/005—Testing of complete machines, e.g. washing-machines or mobile phones
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
Abstract
本发明公开电机故障诊断领域中的基于信息融合的永磁同步电机退磁故障诊断方法与装置,转矩传感器、N个加速度传感器采集实验电机在不同退磁程度下的转矩和振动信号并输入数据采集卡,数据采集卡将转矩信号和振动信号进行去燥处理并将模拟信号转换为数字信号后上传到上位机,上位机计算得到不同退磁程度情况下对应的转矩信号平均值和振动信号平均值,将转矩信号平均值、振动信号平均值作为BP神经网络的输入,将对应的退磁程度作为BP神经网络的输出,构建BP神经网络诊断模型;本发明利用径向电磁力产生的振动信号和切向电磁力产生的转矩信号具有互补特性,将转矩信号和振动信号的特征信息融合实现电机退磁故障诊断,提高退磁故障诊断的精确度。
Description
技术领域
本发明涉及电机故障诊断领域,具体地是对永磁同步电机的退磁故障进行诊断的装置及方法。
背景技术
永磁同步电机具有结构简单、运行可靠、体积小、质量轻、效率高和损耗少等一系列优点,在电动汽车、军工和航天航空行业得到广泛应用。但永磁同步电机在运行过程中,永磁体可能会受到温度、机械振动等原因,造成退磁故障。一旦发生退磁故障,会扭曲气隙磁通量的分布,造成电机中产生噪声、振动和转矩脉动的增大,导致永磁同步电机性能指标下降。因此,要尽可能在退磁情况轻微的状态下对故障电机进行实时在线诊断,使得退磁故障带来的损失降到最低。
永磁同步电机发生退磁故障时,会有多个故障特征信息,要想对退磁故障实现精确的诊断,需要对多个信号的单维信息有效组合,获取更加全面、有效的故障特征信息。而目前对永磁体退磁故障的诊断方法都是基于单一信号的分析对退磁故障进行诊断。中国专利申请号为CN201811164889.1的文献中公开了一种永磁同步电机退磁故障诊断方法,通过对线圈反电势信号的分析实现退磁故障诊断,但该方法是基于离线数据进行故障诊断,只能在电机断电状态下检测,不能实现电机退磁故障的实时在线诊断,且线圈灵敏度低,无法对退磁情况轻微的状态进行准确判断。中国专利申请号为CN201610412420.X的文献中公开了一种永磁同步电机退磁故障诊断方法,通过定子零序电流的v次谐波的幅值与正常电机定子零序电流信号的v次谐波的幅值的比较实现电机退磁故障诊断,该方法未考虑电机驱动为变频器驱动时会导致定子电流中出现大量的谐波,对退磁故障的判断产生一定影响,并且只有在特定的电机结构中,电机退磁故障时定子电流才会出现新的谐波分量,因此,只对定子电流信号进行分析实现退磁故障诊断方法具有一定局限性。
发明内容
针对上述问题,本发明提出了基于信息融合的永磁同步电机退磁故障诊断方法与装置,利用切向电磁力产生的转矩信号和径向电磁力产生的振动信号具有互补特性,将转矩信号与振动信号的特征信息进行融合,并基于构建的BP神经网络故障模型实现电机退磁故障的实时在线诊断,能实时在线诊断退磁轻微的故障。
本发明基于信息融合的永磁同步电机退磁故障诊断装置采用的技术方案是:其包括联轴器、转矩传感器、数据采集卡、负载设备、上位机、加速度传感器,永磁同步电机的输出轴经转轴同轴连接转矩传感器,转矩传感器和负载设备通过联轴器同轴连接,联轴器和转轴的中心轴共线,永磁同步电机的机壳的外表面上设有N个加速度传感器,N个加速度传感器沿着电机磁极轴向长度的方向等距离均匀分布,转矩传感器和N个加速度传感器均经信号线与数据采集卡相连接,数据采集卡通过数据传输线连接上位机。
所述的基于信息融合的永磁同步电机退磁故障诊断装置的故障诊断方法的技术方案是包括以下步骤:
步骤A:转矩传感器、N个加速度传感器采集实验电机在不同退磁程度D1,D2,……,Dn+1下的转矩信号和振动信号并输入数据采集卡,数据采集卡将转矩信号和振动信号进行去燥处理并将模拟信号转换为数字信号后上传到上位机,上位机计算得到不同退磁程度D1,D2,……,Dn+1情况下对应的转矩信号平均值T1,T2,……,Tn+1和振动信号平均值V1,V2,……;Vn+1;
步骤B:上位机将转矩信号平均值T1,T2,……,Tn+1、振动信号平均值V1,V2,……,Vn+1作为BP神经网络的输入,将对应的退磁程度D1,D2,……,Dn+1作为BP神经网络的输出,构建BP神经网络诊断模型D=F(T,V);
步骤C:转矩传感器、N个加速度传感器采集待诊断电机一个机械周期的转矩信号和振动信号,上位机获得待诊断电机的转矩信号和振动信号并计算出待诊断电机的转矩信号平均值和振动信号平均值,将待诊断电机的转矩信号平均值和振动信号平均值作为BP神经网络模型D=F(T,V)的输入,输出待诊断电机的退磁故障程度。
本发明与已有方法和技术相比,具体如下优点:
1、本发明首次利用径向电磁力产生的振动信号和切向电磁力产生的转矩信号具有互补特性,将转矩信号和振动信号的特征信息融合实现电机退磁故障诊断,大大提高了退磁故障诊断的精确度。而目前退磁故障诊断方法,都是基于单一信号的特征信息对退磁故障诊断,单一信号的特征信息往往很难全面的表征故障信息,使得对退磁故障诊断的精确度较低,容易产生误诊。
2、本发明使用多个加速度传感器沿永磁体轴向方向阵列排布对振动信号进行采集,提高采样数据的准确性。与单个传感器采集相比,可多位置获取信号信息,及时检测早期轻微的局部退磁故障现象,从而在故障早期及时诊断并作出故障处理,避免故障严重。
3、现有技术利用定子电流谐波分量或线圈反电势分析的方法,定子电流易受变频器驱动影响,并且只有在特定的电机结构中,定子电流才会出现新的谐波分量,线圈反电势难以采集,且线圈灵敏度较低,不能对轻微退磁故障诊断。本发明通过转矩传感器和加速度传感器对转矩信号、振动信号进行采集,不易受电机结构影响且为高精度传感器灵敏度高,提高了退磁故障诊断的灵敏度。
4、本发明通过构建故障模型实现电机退磁故障的实时在线诊断,与传统的离线数据计算分析相比,无需大量样本数据,计算量小,不易出现误诊,提高了永磁同步电机退磁故障诊断的准确性。
附图说明
图1为本发明基于信息融合的永磁同步电机退磁故障诊断装置的结构连接示意图;
图2为图1中永磁同步电机上的加速度传感器的布局放大图;
图3为图1中永磁同步电机内部的电磁力与加速度传感器、转矩传感器之间的局部放大图;
图4为图1所示装置的控制原理框图;
图5为图1所示装置的退磁故障诊断实现流程图;
附图中各部件的序号和名称:1、永磁同步电机;2、联轴器;3、转矩传感器;4、负载设备;5、转轴;6、加速度传感器;7、上位机;8、数据采集卡;9、数据传输线;10、电机机壳;11、转子永磁体;12、定子铁心。
具体实施方式
参见图1,本发明基于信息融合的永磁同步电机退磁故障诊断装置包括联轴器2、转矩传感器3、数据采集卡8、负载设备4、上位机7、加速度传感器6。转矩传感器3和负载设备4通过联轴器2同轴连接,永磁同步电机1的输出轴经转轴5同轴连接转矩传感器3,联轴器2和转轴5的中心轴共线,在同一水平面上。N个加速度传感器6安装在永磁同步电机1的机壳10的外表面上,沿着磁极轴向长度的方向等距离均匀分布。转矩传感器3和N个加速度传感器6均经信号线与数据采集卡8相连接,将采集到的转矩信号、振动信号输入数据采集卡8中,数据采集卡8通过数据传输线9连接上位机7,数据采集卡8将采集的转矩信号和振动信号去燥处理,并将其转化为数字信号,再将结果输出到上位机7,上位机7保存数据并对数据进行处理,实现永磁同步电机1退磁故障诊断。
参见图2所示的图1中永磁同步电机1上的加速度传感器6的布局图,根据永磁同步电机1内的转子永磁体11对应的机械角度θ=360/2p(p为永磁体极对数)所对应的机壳10外表面,将N个加速度传感器6沿着转子永磁体11的轴向长度等距离均匀分布,将N个加速度传感器6分别编号为1,2,……,N,每个加速度传感器6所固定的位置相当于一个监测点,可对每块转子永磁体11的不同位置方向对应的定子铁心12产生的振动信号进行采集。在实际安装时,加速度传感器6的个数N由转子永磁体11的轴向长度和相邻两个加速度传感器6的轴向长度决定,设转子永磁体11的轴向长度为L1,相邻两个加速度传感器6的轴向长度为L2,则N=L1/L2。
参见图3所示的图1中永磁同步电机1内部的电磁力与加速度传感器6、转矩传感器3之间的局部放大图,在永磁同步电机1运行时,定子和转子之间产生电磁力,定子和转子之间的电磁力可分解为两个方向的力:径向电磁力Fr和切向电磁力Ft。由径向电磁力(其中Br为径向气隙磁密,μ0表示真空磁导率,大小为4π×10-7H/m)可知,当永磁同步电机1发生转子永磁体11退磁故障时,会引起径向气隙磁密Br减小,定子铁心12受到径向电磁力Fr的作用产生变形,会引起电机机壳10的振动,通过安装在电机机壳10表面的N个加速度传感器6采集振动信号。另一方面,由切向电磁力(其中Bt为切向气隙磁密)可知,当永磁同步电机1的转子永磁体11发生退磁故障时,切向和径向气隙磁密Bt、Br会变化,导致切向电磁力Ft产生的转矩信号改变,通过与永磁同步电机1与同轴连接的转轴5相连接的转矩传感器3采集转矩信号。
参见图4所示的故障硬件检测图,转矩传感器3、N个加速度传感器6将采集的转矩信号、振动信号输入到数据采集卡8,数据采集卡8对转矩传感器3、加速度传感器6采集到的转矩信号、振动信号进行去燥处理,并且依靠自身所带的模数转换电路将采集到的模拟信号进行模数转换,最后送到上位机7进行保存,上位机7再对采集到的所有信号进行数据处理。
参见图5所示的本发明实现退磁故障诊断的流程图,转矩传感器3、N个加速度传感器6采集不同退磁程度D1,D2,……,Dn+1下的转矩信号和振动信号,上位机7计算不同退磁程度D1,D2,……,Dn+1情况下对应的转矩信号平均值T1,T2,……,Tn+1和振动信号平均值V1,V2,……,Vn+1后,将转矩信号平均值T1,T2,……,Tn+1、振动信号平均值V1,V2,……,Vn+1作为BP神经网络的输入,将对应的退磁程度D1,D2,……,Dn+1作为BP神经网络的输出,构建好BP神经网络诊断模型D=F(T,V),D是不同退磁程度,T是转矩信号平均值,V是振动信号平均值。然后,在待诊断电机采集转矩信号和振动信号,上位机7将转矩信号平均值和振动信号平均值输入构建好的BP神经网络诊断模型D=F(T,V)中,得到退磁程度D,从而实现了电机退磁故障的实时在线诊断。
参见图1-4所示,首先改变转子永磁体11退磁程度获取模型数据,构建BP神经网络诊断模型即退磁故障诊断模型,并基于该模型对同参数的待诊断永磁同步电机进行故障诊断,具体步骤如下:
步骤1:将实验电机作为图1中的永磁同步电机1,实验电机的转子永磁体11退磁程度D分为n等分,每一份的步长为则退磁程度从小到大依次分为D1,D2,……,Dn+1(其中D1=0%,表示永磁同步电机1无退磁故障),将退磁程度D1,D2,……,Dn+1内置在上位机7中。
步骤2:先设置第一个退磁程度D1=0%,即实验电机无退磁故障,转矩传感器3、N个加速度传感器6分别采集实验电机的转矩信号和振动信号输入数据采集卡8,数据采集卡8将采集到的转矩信号和振动信号进行去燥处理,并将模拟信号转换为数字信号,通过数据传输线9上传到上位机7进行处理,上位机7获得转矩传感器3、编号为1,2,……N的N个加速度传感器6采集的一个机械周期的转矩信号T1i、振动信号V11,V12,……,V1N,根据两种信号求出此时在退磁程度D1=0%情况下的第一个转矩信号平均值(M为采样点的个数)和第一个振动信号平均值
在对无退磁故障电机的转矩信号平均值和振动信号平均值计算完成后,改变退磁程度为D2,D2是在D1的基础上增加一个步长△D,即D2=D1+△D。重复上述步骤,上位机7得到退磁程度D2情况下电机的转矩信号平均值T2和振动信号平均值V2。
如此循环,控制退磁程度D的递增,上位机7得到每个退磁程度D1,D2,……,Dn+1情况下对应的转矩信号平均值T1,T2,……,Tn+1和振动信号平均值V1,V2,……,Vn+1,最后将采集的所有转矩信号平均值和振动信号平均值保存至上位机7上。
步骤3:上位机7对保存的数据进行处理,将各个转矩平均值T1,T2,……,Tn+1、振动信号平均值V1,V2,……,Vn+1作为BP神经网络的输入,将对应的退磁程度D1,D2,……,Dn+1作为BP神经网络的输出,构建BP神经网络诊断模型。上位机7先对训练样本进行归一化并初始化BP神经网络模型,设置好相关参数,计算各层的输入和输出,并计算误差,如果此时函数收敛,则保存此BP神经网络,如果函数不收敛,则修改阈值和权值,重复直至函数收敛则构建好BP神经网络模型D=F(T,V),最后将构建好的模型保存到上位机7中。
步骤4:当BP神经网络模型D=F(T,V)构建完成之后,对待诊断电机进行故障诊断,将待诊断电机作为图1中的永磁同步电机1。转矩传感器3、N个加速度传感器6采集一个机械周期的转矩信号Tm和振动信号Vm1,Vm2,……,VmN,上位机7获得转矩信号和振动信号并计算出转矩信号平均值和振动信号平均值,根据上位机7保存的BP神经网络模型D=F(T,V),输入此时的转矩信号平均值和振动信号平均值进而得到待诊断电机的退磁故障程度,从而完成了对待诊断电机退磁故障的诊断。
Claims (3)
1.一种基于信息融合的永磁同步电机退磁故障诊断方法,采用永磁同步电机退磁故障诊断装置,该装置包括联轴器、转矩传感器(3)、数据采集卡、负载设备、上位机(7)、加速度传感器(6),其特征是:永磁同步电机的输出轴经转轴(5)同轴连接转矩传感器(3),转矩传感器(3)和负载设备通过联轴器同轴连接,联轴器和转轴的中心轴共线,永磁同步电机的机壳的外表面上设有N个加速度传感器(6),N个加速度传感器(6)沿着电机磁极轴向长度的方向等距离均匀分布,转矩传感器(3)和N个加速度传感器(6)均经信号线与数据采集卡相连接,数据采集卡通过数据传输线连接上位机(7),其特征是包括以下步骤:
步骤A:转矩传感器(3)、N个加速度传感器(6)采集实验电机在不同退磁程度D1,D2,……,Dn+1下的转矩信号和振动信号并输入数据采集卡,数据采集卡将转矩信号和振动信号进行去燥处理并将模拟信号转换为数字信号后上传到上位机(7),上位机(7)计算得到不同退磁程度D1,D2,……,Dn+1情况下对应的转矩信号平均值T1,T2,……,Tn+1和振动信号平均值V1,V2,……,Vn+1;
步骤B:上位机(7)将转矩信号平均值T1,T2,……,Tn+1、振动信号平均值V1,V2,……,Vn+1作为BP神经网络的输入,将对应的退磁程度D1,D2,……,Dn+1作为BP神经网络的输出,构建BP神经网络诊断模型D=F(T,V);
步骤C:转矩传感器(3)、N个加速度传感器(6)采集待诊断电机一个机械周期的转矩信号和振动信号,上位机(7)获得待诊断电机的转矩信号和振动信号并计算出待诊断电机的转矩信号平均值和振动信号平均值,将待诊断电机的转矩信号平均值和振动信号平均值作为BP神经网络模型D=F(T,V)的输入,输出待诊断电机的退磁故障程度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010986508.9A CN112285554B (zh) | 2020-09-18 | 2020-09-18 | 基于信息融合的永磁同步电机退磁故障诊断方法与装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010986508.9A CN112285554B (zh) | 2020-09-18 | 2020-09-18 | 基于信息融合的永磁同步电机退磁故障诊断方法与装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112285554A CN112285554A (zh) | 2021-01-29 |
CN112285554B true CN112285554B (zh) | 2022-12-16 |
Family
ID=74420045
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010986508.9A Active CN112285554B (zh) | 2020-09-18 | 2020-09-18 | 基于信息融合的永磁同步电机退磁故障诊断方法与装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112285554B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113212169A (zh) * | 2021-05-28 | 2021-08-06 | 联合汽车电子有限公司 | 磁链的监控方法、装置、设备和存储介质 |
CN113964964B (zh) * | 2021-11-15 | 2023-03-21 | 西安热工研究院有限公司 | 一种基于电信号的永磁风力发电机永磁体退磁故障模拟装置 |
CN114264953B (zh) * | 2021-12-01 | 2024-05-24 | 珠海格力电器股份有限公司 | 一种永磁同步电机退磁故障诊断方法和系统以及诊断装置 |
CN115267538A (zh) * | 2022-09-27 | 2022-11-01 | 江苏中工高端装备研究院有限公司 | 一种永磁同步电机的退磁故障检测系统 |
CN116643165B (zh) * | 2023-05-17 | 2024-06-21 | 淮阴工学院 | 一种永磁外转子滚筒电机失磁故障检测方法 |
CN117788841B (zh) * | 2024-02-23 | 2024-05-17 | 青岛大学 | 一种基于双谱分析和cnn的永磁电机退磁故障诊断方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5175312B2 (ja) * | 2010-03-19 | 2013-04-03 | 高麗大學校産學協力團 | 永久磁石同期モータの永久磁石の減磁状態診断装置、診断方法、該診断方法を実行させるためのプログラムを記録した記録媒体、そして永久磁石同期モータの駆動装置 |
JP5172998B2 (ja) * | 2011-07-26 | 2013-03-27 | ファナック株式会社 | 永久磁石同期電動機の永久磁石の不可逆減磁が発生したか否かを検出する制御装置 |
CN102944857B (zh) * | 2012-11-23 | 2015-02-18 | 上海中科深江电动车辆有限公司 | 永磁同步电机转子失磁检测方法 |
CN108490350B (zh) * | 2018-03-14 | 2020-07-31 | 山东科技大学 | 一种大功率永磁电机故障诊断系统及诊断方法 |
CN108614212B (zh) * | 2018-04-16 | 2020-01-24 | 江苏大学 | 一种轮毂电机偏心与退磁故障解耦诊断方法与装置 |
CN109145886A (zh) * | 2018-10-12 | 2019-01-04 | 西安交通大学 | 一种多源信息融合的异步电机故障诊断方法 |
CN111666651B (zh) * | 2020-04-24 | 2024-04-26 | 浙江大学 | 永磁电机的退磁风险评估方法 |
CN111669094B (zh) * | 2020-06-30 | 2022-08-23 | 深圳市英威腾电气股份有限公司 | 一种永磁电机的失磁检测方法、系统及相关组件 |
-
2020
- 2020-09-18 CN CN202010986508.9A patent/CN112285554B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112285554A (zh) | 2021-01-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112285554B (zh) | 基于信息融合的永磁同步电机退磁故障诊断方法与装置 | |
CN108614212B (zh) | 一种轮毂电机偏心与退磁故障解耦诊断方法与装置 | |
CN110376522B (zh) | 一种数据融合的深度学习网络的电机故障诊断方法 | |
CN102262215B (zh) | 一种大型发电机定转子气隙偏心故障检测方法 | |
CN109488630B (zh) | 基于谐波相对指标的离心风机转子不对中故障诊断方法 | |
CN105738722B (zh) | 一种航空机电作动器故障诊断方法 | |
CN109855874B (zh) | 一种声音辅助振动微弱信号增强检测的随机共振滤波器 | |
Song et al. | Accurate demagnetization faults detection of dual-sided permanent magnet linear motor using enveloping and time-domain energy analysis | |
CN111428386B (zh) | 基于复杂网络的电梯曳引机转子故障诊断信息融合方法 | |
CN109470972B (zh) | 一种基于振动图像的变压器铁心松动诊断方法 | |
CN115308593A (zh) | 多维度数据融合电机故障预检装置、系统及其预检方法 | |
CN112949402A (zh) | 极小故障样本量下行星齿轮箱故障诊断方法 | |
Osornio-Rios et al. | Data fusion system for electric motors condition monitoring: an innovative solution | |
CN115481657A (zh) | 一种基于电信号的风力发电机组通信滑环故障诊断方法 | |
CN114241271B (zh) | 一种多孪生迁移学习融合多信息的机械故障智能诊断方法 | |
CN111046790A (zh) | 一种泵轴承故障诊断方法 | |
CN112177865B (zh) | 一种用于解决风机故障检测中标记噪音和标记不足的方法 | |
CN117110944A (zh) | 基于局放成像的发电机绕组匝间短路故障监测方法及设备 | |
CN112113766A (zh) | 一种滚动轴承早期损伤状态的特征提取方法 | |
CN116821762A (zh) | 一种基于多尺度图注意力融合网络的机械故障诊断方法 | |
CN114486252B (zh) | 一种矢量模极大值包络的滚动轴承故障诊断方法 | |
CN115825732A (zh) | 特征关联的永磁同步电机驱动系统开路故障智能诊断方法 | |
CN111947927B (zh) | 一种基于色度理论的滚动轴承故障检测方法 | |
Zhao et al. | Fault diagnosis of asynchronous induction motor based on BP neural network | |
CN113295999A (zh) | 永磁同步电机的退磁、绕组断路与匝间短路故障分类方法 |
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 |