CN112415911A - 一种基于敏感性分析和差分进化算法的参数自动校准方法 - Google Patents
一种基于敏感性分析和差分进化算法的参数自动校准方法 Download PDFInfo
- Publication number
- CN112415911A CN112415911A CN202011129538.4A CN202011129538A CN112415911A CN 112415911 A CN112415911 A CN 112415911A CN 202011129538 A CN202011129538 A CN 202011129538A CN 112415911 A CN112415911 A CN 112415911A
- Authority
- CN
- China
- Prior art keywords
- parameters
- calibration
- sensitivity analysis
- activated sludge
- parameter
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000010206 sensitivity analysis Methods 0.000 title claims abstract description 30
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 24
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 55
- 238000004088 simulation Methods 0.000 claims abstract description 48
- 239000010802 sludge Substances 0.000 claims abstract description 27
- 230000004913 activation Effects 0.000 claims abstract 2
- 238000004364 calculation method Methods 0.000 claims description 15
- 239000000126 substance Substances 0.000 claims description 10
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 6
- 230000035772 mutation Effects 0.000 claims description 6
- 238000009827 uniform distribution Methods 0.000 claims description 5
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims description 4
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 claims description 4
- 229910052698 phosphorus Inorganic materials 0.000 claims description 4
- 239000011574 phosphorus Substances 0.000 claims description 4
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 229910052757 nitrogen Inorganic materials 0.000 claims description 3
- 230000002028 premature Effects 0.000 claims description 3
- 238000004062 sedimentation Methods 0.000 claims 2
- 101100436077 Caenorhabditis elegans asm-1 gene Proteins 0.000 claims 1
- 101100436078 Caenorhabditis elegans asm-2 gene Proteins 0.000 claims 1
- 101100436085 Caenorhabditis elegans asm-3 gene Proteins 0.000 claims 1
- 101100204282 Neurospora crassa (strain ATCC 24698 / 74-OR23-1A / CBS 708.71 / DSM 1257 / FGSC 987) Asm-1 gene Proteins 0.000 claims 1
- 230000004907 flux Effects 0.000 claims 1
- 230000014759 maintenance of location Effects 0.000 claims 1
- 239000010865 sewage Substances 0.000 abstract description 5
- 238000013461 design Methods 0.000 abstract description 2
- 238000012800 visualization Methods 0.000 abstract description 2
- 238000005094 computer simulation Methods 0.000 description 5
- MMDJDBSEMBIJBB-UHFFFAOYSA-N [O-][N+]([O-])=O.[O-][N+]([O-])=O.[O-][N+]([O-])=O.[NH6+3] Chemical compound [O-][N+]([O-])=O.[O-][N+]([O-])=O.[O-][N+]([O-])=O.[NH6+3] MMDJDBSEMBIJBB-UHFFFAOYSA-N 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 229910002651 NO3 Inorganic materials 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Activated Sludge Processes (AREA)
Abstract
本发明涉及一种基于敏感性分析和差分进化算法的活性污泥模型的参数自动校准方法,该方法包括:基于活性污泥模型在线或离线仿真模拟平台模拟污水厂工艺得到相应的出水模拟值;基于敏感性分析的校准参数自动选择模块,利用上述模拟平台,根据设定的参数个数或阈值从众多活性污泥模型参数中依次选择确定需要校准的参数;设定关注的出水指标的可接受误差范围,从而建立校准的损失函数;参数自动校准模块,利用上述模拟平台与设定的损失函数,对选择的参数通过误差反馈进行校准,以达到设定的目标值;自动校准激活模块,通过设定误差限或校准周期,对平台上的水厂的参数在必要时进行校准操作。该方法具有设计合理、操作简便、可视化强、性能可靠稳定、能够被广泛应用的特点。
Description
技术领域
本发明涉及污水处理领域,尤其涉及基于国际水协活性污泥模型的水厂仿真模拟模型的参数校准,并将该方法嵌入水厂仿真在线或者离线模拟平台,周期或按需对水厂仿真模拟模型的参数进行自动校准过程。
背景技术
建立活性污泥工艺模型后,可结合水质和运行数据对此期间的实际运行进行模拟预测。理想情况下,模拟预测值应与实测值一致或基本接近。但实际上,应用活性污泥模型缺省参数及运行数据的模拟预测结果可能与实测值之间存在一定差异,称之为模拟偏差。造成模拟偏差的原因比较复杂,按其来源可分为:1)活性污泥模型缺省参数与实际值之间的差异造成的模拟偏差。活性污泥模型缺省参数在特定条件测定,这一特定条件可能与实际运行条件不符合,从而在此条件下测定的模型参数与实际情况不符;2)进出水物料偏差,包括流量参数不准确、进水水质划分错误等;3)运行数据中的错误造成的模拟偏差,包括系统边界的定义错误(没有包括全部的物料进口和出口)、取样的错误及测量误差等。
应用活性污泥工艺模型的基础在于模拟值与实测值的一致性。因此,当模拟值与实测值之间的差异超出一定的容许范围之后,就必须对工艺模型进行检查和修正。目前对于工艺模型的校正,多数研究集中在利用敏感性分析等手段考察单因素对模型的影响,且按常规顺序对缺省参数逐一修正。这种方法的弊端是无法衡量各缺省参数之间对模型的联动影响,因此往往通过反复多轮校正从而达到模型的准确性,既耗时又会对校正精度造成一定程度影响。
因此,有必要通过敏感性分析和多参数优化结合的方式,对造成模型偏差的关键因素进行联动参数修正。
发明内容
针对现有污水厂仿真模拟软件参数校准耗时耗力,需要比较有经验的人员进行反复校准的缺点,本发明的目的在于:提供一种基于敏感性分析和差分进化算法的参数自动校准方法,省去人工校准参数的繁琐,节约仿真模拟软件的参数率定时间,其具有设计合理、操作简便、可视化强、性能可靠稳定、能够被广泛推广使用的特点。
为了达到上述目的,本发明采用如下技术方案:
该方法基于以国际水协活性污泥模型为基本模型构建的在线或离线仿真平台,模拟水厂运行情况,计算出水指标。对仿真模拟经验较少的人员通过利用敏感性分析,对相应的出水指标针对不同参数依次进行模拟计算,将对该值具有显著影响(超过一定阈值或敏感性排序中的前若干个)的参数予以记录,加入待校准参数中,而对于经验丰富的仿真模拟人员则支持自定义校准参数设定。由于水厂仪表以及模型本身的计算误差,通过经验设定关注的出水指标的可接受误差范围,建立用以校准的损失函数,将该损失函数推送给参数自动校准模块,利用上述模拟平台与设定的损失函数,对选择的参数通过误差反馈进行校准,至达到设定的目标值时止。由于季节、水质等不可抗力因素的影响,校准参数具有时效性,在一段时间后某些或全部参数将不适用于当前时段的水厂运行模拟,因此必要时需要重新校准参数,为达到此目的,加入了自动校准激活模块,该模块通过设定误差限(计算关注的目标值与预测值间的误差)或校准周期,对平台上的水厂的参数在必要时反复进行自动校准操作。其详细步骤如下:
前期条件:以国际水协活性污泥模型为基础的在线或离线仿真模拟平台、对特定水厂确定各项出水指标的误差限(由于不同水厂出水标准、仪表等不同存在差异)、对指定校准参数的人员需要给定各个参数的变化范围否则可选择根据敏感性分析自动选择参数并自动校准参数。
1.使用国际水协活性污泥模型或指定校准参数的直接进入2,否则,通过(1)式遍历各个参数对出水水质的影响程度,通过排序选取前10%的所有参数构成自动校准的参数向量进入2进行优化;
2.假设通过1确定的需要自动校正的参数总个数为N,则随机(按照一致分布)生成第一代的P=10*N个个体,第i个个体为 为第一代群体中第i个个体的第j(j=1,2,…,N)个分量的值,设定最大迭代次数Gm以及终止阈值ε=10-4(可根据任务准确度需求设定ε的值,一般不超过0.1),初始化最优解集合Ω为空集;
其中θk分别为物质k(k表示COD、氨氮NH4 +-N、硝酸盐氮NO3 --N、总氮TN、总磷TP等)的模拟浓度、实际浓度和误差限(百分比),该函数表示将与目标误差限距离最远的物质的误差值最小化,则loss(·)表示对参数·计算损失函数值。
其中1≤r1≠r2≠r3≠i≤P,为避免出现早熟现象使用自适应变异算子F:
F=F0·2λ (4)
其中F0=0.8,Gm为最大进化次数,G为当前进化次数。
5.对第G代个体及其产生的变异个体Vi利用交叉算子CR∈(0,1),进行交叉操作产生中间个体Ui=(ui1,ui2,...,uiN),具体过程如下:
其中j=1,2,…,N,rand(0,1)表示按照一致分布在区间(0,1)内随机取值。
6.使用贪婪算法选择下一代个体:
9.利用仿真模拟平台对水厂水质数据不断模拟,若80%出出水水质模拟值与真实值的差连续20次超过相应的θk(k表示COD、氨氮NH4 +-N、硝酸盐氮NO3 --N、总氮TN、总磷TP等)或距离校准运行周期达到20天则重复步骤1-8对参数进行自动校准,针对步骤1可仅在第一次自动校准时进行,即在第一次校准后记录下需要自动校准的参数以及其范围,在后续重复校准时省略该步骤仅仅重复2-8即可。
附图说明
附图1是本发明一种基于敏感性分析和差分进化算法的整体流程示意图。
附图2是本发明一种基于敏感性分析和差分进化算法的某水厂基于稳态模拟后动态模拟TN人工校准模拟值、自动校准模拟值与实际值的对比图。
附图3是本发明一种基于敏感性分析和差分进化算法的某水厂基于稳态模拟后动态模拟TP人工校准模拟值、自动校准模拟值与实际值的对比图。
附图4是本发明一种基于敏感性分析和差分进化算法的某水厂基于稳态模拟后动态模拟NH4 +-N人工校准模拟值、自动校准模拟值与实际值的对比图。
附图5是本发明一种基于敏感性分析和差分进化算法的某水厂基于稳态模拟后动态模拟COD人工校准模拟值、自动校准模拟值与实际值的对比图。
具体实施方式
下面结合附图1-5对本发明一种基于敏感性分析和差分进化算法的参数自动校准方法作以详细说明,并结合一具体实施例对该方法的效果作以说明。
一种基于敏感性分析和差分进化算法的参数自动校准方法,该方法基于以国际水协活性污泥模型为基本模型构建的在线或离线仿真平台,模拟水厂运行情况,计算出水指标。对仿真模拟经验较少的人员通过利用敏感性分析,对相应的出水指标针对不同参数依次进行模拟计算,将对该值具有显著影响(超过一定阈值或敏感性排序中的前若干个)的参数予以记录,加入待校准参数中,而对于经验丰富的仿真模拟人员则支持自定义校准参数设定。由于水厂仪表以及模型本身的计算误差,通过经验设定关注的出水指标的可接受误差范围,建立用以校准的损失函数,将该损失函数推送给参数自动校准模块,利用上述模拟平台与设定的损失函数,对选择的参数通过误差反馈进行校准,至达到设定的目标值时止。由于季节、水质等不可抗力因素的影响,校准参数具有时效性,在一段时间后某些或全部参数将不适用于当前时段的水厂运行模拟,因此必要时需要重新校准参数,为达到此目的,加入了自动校准激活模块,该模块通过设定误差限(计算关注的目标值与预测值间的误差)或校准周期,对平台上的水厂的参数在必要时反复进行自动校准操作。
以某基于活性污泥法的污水厂仿真模拟模型进行稳态模拟为例,对该方法步骤进行详细说明:
1.根据仿真模拟人员经验以及敏感性分析结果(根据敏感性分析获得需校准的参数上下界),影响某污水厂出水氨氮、硝氮和总磷的活性污泥模型(以ASM2d为例其他模型步骤完全相同,仅参数名称因模型而异)动力学系数、进水组分占比同出水水质可接受范围值见下表:
表1用于校准的参数名称、默认值及范围
2.通过1确定的需要自动校正的参数总个数为7,则随机(按照一致分布)生成第一代P=70个个体,第i个个体为 为第一代群体中第i个个体的第j(j=1,2,..,7)个参数的参数值,设定最大迭代次数Gm=700(一般取大于500的数,保证优化方法能够收敛)以及终止阈值ε=10-4;
其中θk分别为物质(在该实施例中k为出水COD、出水TN、出水NH4 +-N和出水TP)的模拟浓度、实际浓度和误差限(百分比),该函数表示将与目标误差限距离最远的物质的误差值最小化,则loss(·)表示对参数·计算损失函数值。
其中1≤r1≠r2≠r3≠i≤P,为避免出现早熟现象使用自适应变异算子F:
F=F0·2λ (10)
其中F0=0.8,Gm为最大进化次数,G为当前进化次数。
5.对第G代个体及其产生的变异个体Vi利用交叉算子CR∈(0,1),进行交叉操作产生中间个体Ui=(ui1,ui2,...,uiN),过程如下:
在此CR取值为0.8,rand(0,1)表示在区间(0,1)内按照一致分布取随机值。
6.使用贪婪算法选择下一代个体:
8.若G>Gm,或当G>100且|lossG-100-lossG|≤ε时,停止计算,并输出否则重复4-7直至满足条件退出,由于G代表迭代次数,当G>100时,G-100就表示从G开始向前推100代的值,校准结果见下表:
表2自动校准模拟值、人工校准模拟值与真实值对比
9.将输出的Xbest作为动态模拟的参数值,进行动态模拟并输出各出水物质的动态变化曲线。
Claims (8)
1.一种基于敏感性分析和差分进化算法的活性污泥模型参数自动校准方法,其特征在于:基于国际水协活性污泥模型的在线或离线仿真平台,模拟水厂运行情况,计算出水指标;利用敏感性分析,对相应的出水指标针对不同参数依次进行模拟计算,将对该值具有显著影响的参数予以记录,加入待校准参数中;由于水厂仪表以及模型本身的计算误差,通过经验设定出水指标的可接受误差范围,建立用以校准的损失函数,将该损失函数推送给参数自动校准模块,利用上述模拟平台与设定的损失函数,对选择的参数通过误差反馈进行校准,至达到设定的目标值时止;由于不可抗力因素的影响,校准参数具有时效性,为达到此目的,加入了自动校准激活模块,该模块通过设定误差限即计算关注的目标值与预测值间的误差或校准周期,对平台上的水厂的参数在进行校准操作。
2.根据权利要求1所述的一种基于敏感性分析和差分进化算法的活性污泥模型参数自动校准方法,其特征在于:所述的活性污泥模型包括国际水协提出的ASM1,ASM2,ASM2d或ASM3号模型。
3.根据权利要求1所述的一种基于敏感性分析和差分进化算法的活性污泥模型参数自动校准方法,其特征在于:可校准参数包括进水组分参数、活性污泥模型的动力学系数、化学计量学系或/和二沉池一维通量模型的沉淀参数。
4.根据权利要求1所述的一种基于敏感性分析和差分进化算法的活性污泥模型参数自动校准方法,其特征在于:通过敏感性分析确定需要校准的参数,而后通过差分进化算法进行校准。
7.根据权利要求1所述的一种敏感性分析和差分进化算法的活性污泥模型参数自动校准方法,其特征在于,参数校准算法具有如下步骤:
1)随机生成第一代若干种子个体其中N为需要校准的参数个数,表示第1代种群中第i个个体的第j(j=1,2,…,N)个分量的值,计算各个种子个体的损失函数值P为种群数量,一般而言为校准参数个数N的10倍;
其中1≤r1≠r2≠r3≠i≤P,为避免出现早熟现象使用自适应变异算子F:
F=F0·2λ
其中F0=0.8,Gm为最大进化次数,G为当前进化次数。
3)对第G代个体及其产生的交叉个体Vi利用交叉算子CR∈(0,1),进行交叉操作产生中间个体Ui=(ui1,ui2,...,uiN),过程如下:
其中rand(0,1)为按照一致分布在区间(0,1)内随机取值;
4)使用贪婪算法选择下一代个体:
8.根据权利要求1所述的一种敏感性分析和差分进化算法的活性污泥模型参数自动校准方法,其特征在于:参数自动校准的损失函数计算依赖于以活性污泥模型为基础的仿真模拟平台的稳态计算和动态计算两种方法,其差别在于基于稳态计算仅需将采集的进水的均值作为输入,以与采集数据相匹配的同时段出水均值作为输出目标值进行计算,而基于动态的自动校准计算则需要按照目标水厂的水力停留时间设定各个时刻的出水数据值作为目标予以优化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011129538.4A CN112415911A (zh) | 2020-10-21 | 2020-10-21 | 一种基于敏感性分析和差分进化算法的参数自动校准方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011129538.4A CN112415911A (zh) | 2020-10-21 | 2020-10-21 | 一种基于敏感性分析和差分进化算法的参数自动校准方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112415911A true CN112415911A (zh) | 2021-02-26 |
Family
ID=74841568
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011129538.4A Pending CN112415911A (zh) | 2020-10-21 | 2020-10-21 | 一种基于敏感性分析和差分进化算法的参数自动校准方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112415911A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115795814A (zh) * | 2022-11-10 | 2023-03-14 | 宝鸡文理学院 | 一种动态植被模型的敏感性参数校准方法及系统 |
CN116081797A (zh) * | 2022-08-25 | 2023-05-09 | 北控水务(中国)投资有限公司 | 污水处理厂全流程控制量的动态优化方法、装置和设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170220928A1 (en) * | 2016-08-22 | 2017-08-03 | Yasin Hajizadeh | Method and System for Innovation Management and Optimization under Uncertainty |
CN107337272A (zh) * | 2017-06-05 | 2017-11-10 | 安徽国祯环保节能科技股份有限公司 | 一种投加碳源的污水处理优化控制方法 |
CN108345735A (zh) * | 2018-01-27 | 2018-07-31 | 乔景辉 | 一种流域水文模型参数校准方法 |
-
2020
- 2020-10-21 CN CN202011129538.4A patent/CN112415911A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170220928A1 (en) * | 2016-08-22 | 2017-08-03 | Yasin Hajizadeh | Method and System for Innovation Management and Optimization under Uncertainty |
CN107337272A (zh) * | 2017-06-05 | 2017-11-10 | 安徽国祯环保节能科技股份有限公司 | 一种投加碳源的污水处理优化控制方法 |
CN108345735A (zh) * | 2018-01-27 | 2018-07-31 | 乔景辉 | 一种流域水文模型参数校准方法 |
Non-Patent Citations (2)
Title |
---|
杭晨 等: "基于BioWin城市污水处理厂全流程处理工艺模拟与优化", 《给水排水》 * |
汤伟 等: "基于自适应的变异差分进化算法的溶解氧浓度控制系统", 《中国造纸》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116081797A (zh) * | 2022-08-25 | 2023-05-09 | 北控水务(中国)投资有限公司 | 污水处理厂全流程控制量的动态优化方法、装置和设备 |
CN115795814A (zh) * | 2022-11-10 | 2023-03-14 | 宝鸡文理学院 | 一种动态植被模型的敏感性参数校准方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112415911A (zh) | 一种基于敏感性分析和差分进化算法的参数自动校准方法 | |
Mirzal et al. | PID parameters optimization by using genetic algorithm | |
CN114235111B (zh) | 一种基于模型优化的超声波水表流量校准方法 | |
CN108090500A (zh) | 食用菌发酵生产过程关键参量的软测量方法 | |
CN108595892A (zh) | 基于时间差分模型的软测量建模方法 | |
Waldmann et al. | Assessment of sensor performance | |
CN114819407A (zh) | 湖泊蓝藻水华动态预测方法及装置 | |
CN107657349B (zh) | 一种水库分期发电调度规则提取方法 | |
CN111142494A (zh) | 一种胺液再生装置的智能控制方法及系统 | |
CN111460672A (zh) | 基于Simulink的水质模型多参数敏感性分析方法 | |
CN106054951A (zh) | 一种溶解氧浓度的控制方法和系统 | |
CN110909492B (zh) | 一种基于极端梯度提升算法的污水处理过程软测量方法 | |
CN117575830A (zh) | 一种基于nki预测氮钾互作下小麦植株氮钾亏缺和产量状况的方法 | |
CN109858190B (zh) | 一种基于果蝇算法优化梯度提升回归树的青霉素发酵过程软测量建模方法 | |
CN113221436B (zh) | 一种基于改进型rbf神经网络的污水悬浮物浓度软测量方法 | |
CN115165770B (zh) | 基于宽光谱及bpnn的水体cod与浊度同时检测方法 | |
CN115309052A (zh) | 一种工业实时数据时序预测结果的在线修正方法 | |
CN111210877A (zh) | 一种推断物性参数的方法及装置 | |
CN115271232A (zh) | 一种污水水质预测方法及相关装置 | |
CN107944552A (zh) | 一种基于Elman神经网络的工业物联网参数预测方法 | |
CN113222324B (zh) | 一种基于pls-pso-rbf神经网络模型的污水质量监测方法 | |
CN114066135A (zh) | 一种水质模型参数自动优化方法及系统 | |
CN109858699B (zh) | 水质定量模拟方法、装置、电子设备及存储介质 | |
CN113065242A (zh) | 一种基于kplsr模型的污水处理出水总氮浓度软测量方法 | |
CN113419432A (zh) | 一种基于动态矩阵控制算法的污水处理系统精准加药方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210226 |
|
WD01 | Invention patent application deemed withdrawn after publication |