CN113486544A - 低功率激光测试材料室温热导率获取方法、设备及介质 - Google Patents

低功率激光测试材料室温热导率获取方法、设备及介质 Download PDF

Info

Publication number
CN113486544A
CN113486544A CN202110575809.7A CN202110575809A CN113486544A CN 113486544 A CN113486544 A CN 113486544A CN 202110575809 A CN202110575809 A CN 202110575809A CN 113486544 A CN113486544 A CN 113486544A
Authority
CN
China
Prior art keywords
power laser
low
sample
thermal conductivity
temperature
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.)
Withdrawn
Application number
CN202110575809.7A
Other languages
English (en)
Inventor
严彪杰
李冰清
程亮
张鹏程
白彬
高瑞
杨振亮
王昀
钟毅
王志毅
黄奇奇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute of Materials of CAEP
Original Assignee
Institute of Materials of CAEP
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Institute of Materials of CAEP filed Critical Institute of Materials of CAEP
Priority to CN202110575809.7A priority Critical patent/CN113486544A/zh
Publication of CN113486544A publication Critical patent/CN113486544A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/08—Thermal analysis or thermal optimisation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Software Systems (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Geometry (AREA)
  • Computer Hardware Design (AREA)
  • Investigating Or Analyzing Materials Using Thermal Means (AREA)

Abstract

本发明公开了低功率激光测试材料室温热导率获取方法、设备及介质，该方法包括：S1：确定传热模型的参数范围；S2：确定用于模型学习的训练集样本数量，从参数范围中进行抽样，获得与训练集样本数量相同的参数组合；S3：将参数组合作为有限元方法的输入，模拟大气环境下低功率激光加热样品的传热过程，获得低功率激光加热样品冷端表面的平均温度‑时间曲线；S4：将平均温度‑时间曲线和对应的参数组合构建训练数据集；S5：通过训练数据集构建神经网络预测模型；S6：采集低功率激光加热样品的温度‑时间曲线；S7：将低功率激光加热样品的温度‑时间曲线输入神经网络预测模型，根据数值优化方法反向计算得到低功率激光加热样品的热导率。

Description

低功率激光测试材料室温热导率获取方法、设备及介质
技术领域
本发明属于热传导技术领域，尤其涉及低功率激光测试材料室温热导率获取方法、设备及介质。
背景技术
材料基因工程已被广泛应用于材料的快速研发。它的主要措施包括高通量计算，高通量实验以及数据库构建等，其中高通量实验又包括高通量制备与表征。热导率是材料的一个重要性能，实现其快速表征对于热学相关材料的研究有着重要意义。
激光闪光法是目前测量材料热导率的主要方法之一，其主要原理是在一定温度下，采用一束激光脉冲照射测试材料的一端表面，再通过温度探测器获得材料另一端表面的温升曲线，再根据相应的模型计算材料热导率。目前基于该方法的激光导热仪都采用高功率激光，并配备了可以实现特定温度的真空腔，设备价格昂贵，在设备上进行相应地改造，例如实现热导率高通量测量，会比较困难。若在大气环境下采用低功率激光加热可以实现材料热导率的准确测量，在此基础上搭建热导率高通量表征平台就变得更为可行，成本也会降低。
但是，要基于低功率激光加热实现材料热导率准确测量比较困难。采用高功率激光测量热导率只需要极短的照射时间(10-3s)就能实现材料明显的温升并完成热导率的测试，这使得许多传热因素(对流与辐射)的影响可以被缩小，甚至被忽略，从而实现不同温度下的热导率测量。而采用低功率激光加热需要较长的时间才能实现测试材料表面明显的温升(1～10s)，在如此长时间的热传导过程中，对流与辐射等因素不能被忽略，尤其在高温下，辐射的影响会非常大。但实际过程中，对流与辐射的影响又难以定量。
室温下辐射对材料传热的影响不明显，只要能准确分析对流的影响，就可以基于低功率激光加热实现材料室温热导率的准确测量。基于低功率激光加热的热导率测量设备最重要的就是建立合适的传热模型。传热模型的建立需要考虑对流系数、加热功率、加热时间、样品尺寸、样品性质等诸多因素。
发明内容
本发明的目的在于，为克服现有技术缺陷，提供了低功率激光测试材料室温热导率获取方法、设备及介质,本发明可实现在大气环境下使用低功率激光就能快速准确地获得材料室温热导率。不再依赖成本高昂的高功率激光光源与严苛的真空环境，在大气环境中使用低功率激光就能快速准确地获得材料室温热导率，一定程度上降低与缩短了材料热导率测试的成本与时间，为材料的热导率高通量表征与材料快速筛选提供了基础与可行性。
本发明目的通过下述技术方案来实现：
低功率激光测试材料室温热导率获取方法，包括：
S1：确定传热模型的参数范围；
S2：确定用于模型学习的训练集样本数量，从参数范围中进行抽样，获得与训练集样本数量相同的参数组合；
S3：将参数组合作为有限元方法的输入，模拟大气环境下低功率激光加热样品的传热过程，获得低功率激光加热样品冷端表面的平均温度-时间曲线；
S4：将平均温度-时间曲线和对应的参数组合构建训练数据集；
S5：通过训练数据集构建神经网络预测模型；
S6：采集低功率激光加热样品的温度-时间曲线；
S7：将低功率激光加热样品的温度-时间曲线输入神经网络预测模型，根据数值优化方法反向计算得到低功率激光加热样品的热导率。
进一步的，传热模型的参数包括环境温度、空气的对流换热系数、激光功率、激光加热时间、样品尺寸和样品物性参数。
进一步的，样品物性参数包括密度、热扩散系数和等压热容。
进一步的，低功率激光加热样品形状为圆片形。
进一步的，低功率激光的光源功率范围为5-20W。
进一步的，数值优化方法为序列二次规划。
进一步的，将参数组合作为有限元方法的输入具体为：采用有限元方法构建样品模型，设定样品物性参数、初始温度及所有表面的对流换热系数，设定样品表面加热热通量及时间。
另一方面，本发明还提供了一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有计算机程序，所述计算机程序由所述处理器加载并执行以实现如上述任一项所述的低功率激光测试材料室温热导率获取方法。
另一方面，本发明还提供了一种计算机可读存储介质，其特征在于，所述存储介质中存储有计算机程序，所述计算机程序由处理器加载并执行以实现如上述任一项所述的低功率激光测试材料室温热导率获取方法。
本发明的有益效果在于：
本发明可实现在大气环境下使用低功率激光就能快速准确地获得材料室温热导率。不再依赖成本高昂的高功率激光光源与严苛的真空环境，在大气环境中使用低功率激光就能快速准确地获得材料室温热导率，一定程度上降低与缩短了材料热导率测试的成本与时间，为材料的热导率高通量表征与材料快速筛选提供了基础与可行性。
附图说明
图1是本发明实施例1提供的低功率激光测试材料室温热导率获取方法流程框图；
图2是本发明实施例1提供的低功率激光测试材料室温热导率获取方法所采用的低功率激光加热热导率测量仪器示意图；
图3是本发明实施例1提供的低功率激光测试材料室温热导率获取方法针对不锈钢与陶瓷标准样品热导率的测试结果。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
需要说明的是，为使本发明实施例的目的、技术方案和优点更加清楚，下面对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。
因此，以下对本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1
如附图1所示，是本实施例提供的低功率激光测试材料室温热导率获取方法流程框图，该方法具体包括以下步骤：
步骤一，根据实际情况与需求确定模型适用的参数范围，参数包括环境温度、空气的对流换热系数、激光功率(样品表面热通量)、激光加热时间、样品尺寸、样品物性参数。
步骤二，确定用于模型学习的训练集样本数量，在步骤一确定的参数范围内进行抽样，获得与训练样本数量相同的参数组合。
步骤三，将参数组合作为有限元方法的输入，模拟大气环境下低功率激光加热样品的传热过程，获得样品冷端表面(平行于激光加热面的另一表面)的平均温度-时间曲线。其中，将参数组合作为有限元方法的输入具体为：采用有限元方法构建一定尺寸的圆片形样品模型，设定样品物性参数、初始温度及所有表面的对流换热系数，设定样品表面加热热通量及时间。如附图2所示是本实施例提供的低功率激光测试材料室温热导率获取方法所采用的的低功率激光加热热导率测量仪器示意图。图2中样品下表面加载一定的热通量模拟激光加热，持续一定的时间，记录并获得样品上表面，即样品冷端表面的平均温度随时间的变化曲线。
优选地，低功率激光光源的功率范围为5-20W，激光光源功率主要影响样品上表面温升结果。如果功率太低，样品上表面只会产生很小的温升，红外测温的精确性与稳定性都会受到较大影响；如果功率太高，样品上表面可能会产生巨大的温升，此时样品温度将大幅超过室温，热导率变化的同时，辐射影响也会变得不可忽略。
优选地，样品选用圆片形玻璃片。目前商用激光热导仪普遍都是采用直径8～13mm，厚度1-3mm的圆片形样品，为方便测试结果对比，采用通用的圆片形样品能够更准确地将本实施例提供的低功率激光测试材料室温热导率获取方法与现有技术进行对比。
步骤四，将步骤三得到的温度-时间曲线与对应的输入参数组合构建训练数据集。
步骤五，将步骤四得到的训练数据集结合交叉验证方法完成神经网络的结构与超参数优化，构建从输入参数到温度-时间曲线的神经网络预测模型。
步骤六，利用由低功率激光光源、温度传感器与数据采集系统组成的热导率测量仪器采集测试样品的温度-时间曲线。
步骤七，将样品实际测量的温度-时间曲线输入到步骤五构建的神经网络模型中，结合数值优化反向计算得到样品热导率。其中，数值优化可采用如序列二次规划法、拟牛顿法，共轭梯度法，Levenberg–Marquardt方法等；或使用非数值优化方法，如进化算法，包括遗传算法，粒子群算法,蚁聚算法等。
优选地，本实施例选用序列二次规划法。本实施例提供的低功率激光测试材料室温热导率获取方法中神经网络模型本质上是一个连续可微函数，其相关优化问题是一个非线性规划问题，采用数值优化方法会比进化算法更为简单有效。而序列二次规划算法是目前的求解约束非线性优化问题的最有效方法之一，它与其它数值优化算法相比，其最突出的优点是收敛性好、计算效率高、边界搜索能力强。
如附图3所示是本实施例提供的低功率激光测试材料室温热导率获取方法针对不锈钢与陶瓷标准样品热导率的测试结果，不锈钢310和陶瓷9606是用于标定激光热导仪的两种参考样品。310是不锈钢的一种型号，对应的国内牌号为0Cr25Ni20；陶瓷9606为欧盟热导率标准参考材料BCR-724玻璃陶瓷(Pyroceram 9606)。由图3中可得出，采用本实施例提供的低功率激光测试材料室温热导率获取方法，所测得的不锈钢与陶瓷标准样品热导率的测试结果与实际值相对误差分别为9.1％和7.8％。
本实施例提供的低功率激光测试材料室温热导率获取方法，可实现在大气环境下使用低功率激光就能快速准确地获得材料室温热导率。不再依赖成本高昂的高功率激光光源与严苛的真空环境，在大气环境中使用低功率激光就能快速准确地获得材料室温热导率，一定程度上降低与缩短了材料热导率测试的成本与时间，为材料的热导率高通量表征与材料快速筛选提供了基础与可行性。
实施例2
本优选实施例提供了一种计算机设备，该计算机设备可以实现本申请实施例所提供的低功率激光测试材料室温热导率获取方法任一实施例中的步骤，因此，可以实现本申请实施例所提供的低功率激光测试材料室温热导率获取方法的有益效果，详见前面的实施例，在此不再赘述。
实施例3
本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。为此，本发明实施例提供一种存储介质，其中存储有多条指令，该指令能够被处理器进行加载，以执行本发明实施例所提供的低功率激光测试材料室温热导率获取方法中任一实施例的步骤。
其中，该存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，Random Access Memory)、磁盘或光盘等。
由于该存储介质中所存储的指令，可以执行本发明实施例所提供的任一低功率激光测试材料室温热导率获取方法实施例中的步骤，因此，可以实现本发明实施例所提供的任一低功率激光测试材料室温热导率获取方法所能实现的有益效果，详见前面的实施例，在此不再赘述。
前述本发明基本例及其各进一步选择例可以自由组合以形成多个实施例，均为本发明可采用并要求保护的实施例。本发明方案中，各选择例，与其他任何基本例和选择例都可以进行任意组合。本领域技术人员可知有众多组合。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.低功率激光测试材料室温热导率获取方法，其特征在于，包括：
S1：确定传热模型的参数范围；
S2：确定用于模型学习的训练集样本数量，从参数范围中进行抽样，获得与训练集样本数量相同的参数组合；
S3：将参数组合作为有限元方法的输入，模拟大气环境下低功率激光加热样品的传热过程，获得低功率激光加热样品冷端表面的平均温度-时间曲线；
S4：将平均温度-时间曲线和对应的参数组合构建训练数据集；
S5：通过训练数据集构建神经网络预测模型；
S6：采集低功率激光加热样品的温度-时间曲线；
S7：将低功率激光加热样品的温度-时间曲线输入神经网络预测模型，根据数值优化方法反向计算得到低功率激光加热样品的热导率。
2.如权利要求1所述的低功率激光测试材料室温热导率获取方法，其特征在于，所述传热模型的参数包括环境温度、空气的对流换热系数、激光功率、激光加热时间、样品尺寸和样品物性参数。
3.如权利要求2所述的低功率激光测试材料室温热导率获取方法，其特征在于，所述样品物性参数包括密度、热扩散系数和等压热容。
4.如权利要求1所述的低功率激光测试材料室温热导率获取方法，其特征在于，所述低功率激光加热样品形状为圆片形。
5.如权利要求1所述的低功率激光测试材料室温热导率获取方法，其特征在于，所述低功率激光的光源功率范围为5-20W。
6.如权利要求1所述的低功率激光测试材料室温热导率获取方法，其特征在于，所述数值优化方法为序列二次规划。
7.如权利要求1所述的低功率激光测试材料室温热导率获取方法，其特征在于，所述将参数组合作为有限元方法的输入具体为：采用有限元方法构建样品模型，设定样品物性参数、初始温度及所有表面的对流换热系数，设定样品表面加热热通量及时间。
8.一种计算机设备，其特征在于，所述计算机设备包括处理器和存储器，所述存储器中存储有计算机程序，所述计算机程序由所述处理器加载并执行以实现如权利要求1至7任一项所述的低功率激光测试材料室温热导率获取方法。
9.一种计算机可读存储介质，其特征在于，所述存储介质中存储有计算机程序，所述计算机程序由处理器加载并执行以实现如权利要求1至7任一项所述的低功率激光测试材料室温热导率获取方法。
CN202110575809.7A 2021-05-26 2021-05-26 低功率激光测试材料室温热导率获取方法、设备及介质 Withdrawn CN113486544A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110575809.7A CN113486544A (zh) 2021-05-26 2021-05-26 低功率激光测试材料室温热导率获取方法、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110575809.7A CN113486544A (zh) 2021-05-26 2021-05-26 低功率激光测试材料室温热导率获取方法、设备及介质

Publications (1)

Publication Number Publication Date
CN113486544A true CN113486544A (zh) 2021-10-08

Family

ID=77933090

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110575809.7A Withdrawn CN113486544A (zh) 2021-05-26 2021-05-26 低功率激光测试材料室温热导率获取方法、设备及介质

Country Status (1)

Country Link
CN (1) CN113486544A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113947002A (zh) * 2021-12-17 2022-01-18 广东粤港澳大湾区硬科技创新研究院 光谱合束半导体激光器对流传热系数计算方法
CN116564442A (zh) * 2022-01-24 2023-08-08 腾讯科技（深圳）有限公司 材料筛选方法、装置、计算机设备及存储介质
CN117458261A (zh) * 2023-12-26 2024-01-26 东莞市湃泊科技有限公司 激光器封装系统及其智能散热方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160141825A1 (en) * 2014-11-19 2016-05-19 The Boeing Company Air cooled laser systems using oscillating heat pipes
CN110879220A (zh) * 2019-11-01 2020-03-13 南京理工大学 一种非接触式测量单根纳米线热物性的方法
US20200333295A1 (en) * 2019-04-18 2020-10-22 The Research Foundation For The State University Of New York Enhanced non-destructive testing in directed energy material processing

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160141825A1 (en) * 2014-11-19 2016-05-19 The Boeing Company Air cooled laser systems using oscillating heat pipes
US20200333295A1 (en) * 2019-04-18 2020-10-22 The Research Foundation For The State University Of New York Enhanced non-destructive testing in directed energy material processing
CN110879220A (zh) * 2019-11-01 2020-03-13 南京理工大学 一种非接触式测量单根纳米线热物性的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
严彪杰: "基于有限元模拟和机器学习的ＵＯ２－ＳｉＣ／ＵＯ２－Ｍ０复合燃料热导率优化研究" *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113947002A (zh) * 2021-12-17 2022-01-18 广东粤港澳大湾区硬科技创新研究院 光谱合束半导体激光器对流传热系数计算方法
CN113947002B (zh) * 2021-12-17 2022-03-29 广东粤港澳大湾区硬科技创新研究院 光谱合束半导体激光器对流传热系数计算方法
CN116564442A (zh) * 2022-01-24 2023-08-08 腾讯科技（深圳）有限公司 材料筛选方法、装置、计算机设备及存储介质
CN117458261A (zh) * 2023-12-26 2024-01-26 东莞市湃泊科技有限公司 激光器封装系统及其智能散热方法
CN117458261B (zh) * 2023-12-26 2024-04-16 东莞市湃泊科技有限公司 激光器封装系统及其智能散热方法

Similar Documents

Publication Publication Date Title
CN113486544A (zh) 低功率激光测试材料室温热导率获取方法、设备及介质
Dubois et al. Design, construction and validation of a guarded hot plate apparatus for thermal conductivity measurement of high thickness crop-based specimens
Cheng et al. A simplified conjugate-gradient method for shape identification based on thermal data
Coquard et al. Analysis of the hot-disk technique applied to low-density insulating materials
CN203798759U (zh) 一种玻璃热物性测试仪
CN106248725A (zh) 一种多孔介质等效导热系数测量方法
Defraeye et al. Novel application of neutron radiography to forced convective drying of fruit tissue
Adrover et al. A moving boundary model for food isothermal drying and shrinkage: A shortcut numerical method for estimating the shrinkage factor
Kočí et al. Determination of the equivalent thermal conductivity of complex material systems with large-scale heterogeneities
Wen et al. Prediction of the coupled heat radiation and conduction parameters and boundary condition using the unscented Kalman filter
Yue et al. Noninvasive method for simultaneously measuring the thermophysical properties and blood perfusion in cylindrically shaped living tissues
Chilka et al. Drying of almonds I: Single particle
Peeters et al. Finite element optimization by pulsed thermography with adaptive response surfaces
Shepard et al. Measurement limits in flash thermography
CN109655483A (zh) 一种基于深度学习算法的材料微观结构缺陷检测方法
Somasundharam et al. Estimation of spatially distributed thermal properties of heterogeneous media with non-intrusive measurement
Hsieh et al. Infrared scanning thermography for a quantitative detection of cavities in a plane slab and a rectangular prism
Arvanitidis et al. A model based study of the drying and shrinkage behavior of a ceramic green body
Vallan et al. On the use of temperature measurements as a Process Analytical Technology (PAT) for the monitoring of a pharmaceutical freeze-drying process
Yue et al. Simultaneous estimation of thermal properties of living tissue using noninvasive method
Fan et al. Identification of plate surface geometry: a numerical and experimental study
Babak et al. Hardware-Software System for Measuring Thermophysical Characteristics of the Materials and Products.
Peng et al. Study of the effect of hole defects on wood heat transfer based on infrared thermography
Eidesen et al. Determining Thermal Properties of Polyurethane by Solving the Heat Equation and IR Imaging
Kolehmainen et al. WITHDRAWN: Reconstruction of thermal conductivity and heat capacity using a tomographic approach

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20211008

WW01 Invention patent application withdrawn after publication