CN113916810B - 多组分气体浓度分析方法 - Google Patents
多组分气体浓度分析方法 Download PDFInfo
- Publication number
- CN113916810B CN113916810B CN202111138611.9A CN202111138611A CN113916810B CN 113916810 B CN113916810 B CN 113916810B CN 202111138611 A CN202111138611 A CN 202111138611A CN 113916810 B CN113916810 B CN 113916810B
- Authority
- CN
- China
- Prior art keywords
- gas
- concentration
- component
- absorption spectrum
- sample
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 16
- 238000000862 absorption spectrum Methods 0.000 claims abstract description 53
- 238000000034 method Methods 0.000 claims abstract description 20
- 230000003595 spectral effect Effects 0.000 claims abstract description 10
- 238000002835 absorbance Methods 0.000 claims abstract description 5
- 238000010276 construction Methods 0.000 claims abstract description 5
- 238000001228 spectrum Methods 0.000 claims description 12
- 230000036961 partial effect Effects 0.000 claims description 3
- 238000002922 simulated annealing Methods 0.000 claims description 3
- 230000002068 genetic effect Effects 0.000 claims description 2
- 238000002945 steepest descent method Methods 0.000 claims description 2
- 238000005457 optimization Methods 0.000 claims 1
- 238000001514 detection method Methods 0.000 abstract description 6
- 239000007789 gas Substances 0.000 description 79
- 239000003344 environmental pollutant Substances 0.000 description 6
- 231100000719 pollutant Toxicity 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- MWUXSHHQAYIFBG-UHFFFAOYSA-N Nitric oxide Chemical compound O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 3
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 2
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 1
- 239000000443 aerosol Substances 0.000 description 1
- 229910021529 ammonia Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000003546 flue gas Substances 0.000 description 1
- 238000004868 gas analysis Methods 0.000 description 1
- 229910000037 hydrogen sulfide Inorganic materials 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Pathology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Immunology (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供了多组分气体浓度分析方法，包括以下步骤：(A1)针对可能的气体组分，建立吸收光谱与浓度之间的函数关系Ai＝S(C)，i为光谱像素点序号，C为浓度，A表示吸光度；得到吸收光谱数据库Aij＝S(Cj)，j为气体组分序号；(A2)获得样气的吸收光谱A′i，利用匹配算法得到样气中主气体成分，组分序号为j＝1：K；进而得到样气中各气体组分的估算浓度C′j及吸光光谱A′ij；(A3)构建组合吸收光谱L是迭代次数，λ是光谱像素波长；(A4)结合损失函数构建目标函数；(A5)使用迭代算法调整所述估算浓度C′j以及al，从而对所述目标函数进行迭代优化，当目标函数最小时的估算浓度C′j作为样气中各气体组分的浓度。本发明具有气体检测范围广、分析准确等优点。
Description
技术领域
本发明涉及气体分析，特别涉及多组分气体浓度分析方法。
背景技术
光谱分析技术是根据某一物质成分对电磁波的吸收而进行的定性、定量分析技术，该技术最是通过获取待测气体的吸收光谱强度，来反演待测气体的浓度。但是，多组分气态污染物普遍存在吸收光谱重叠等情况，影响测量系统的准确性，气态污染物间存在严重的交叉干扰是制约其检测精度的重要因素。
目前，吸收光谱之间的重叠干扰问题主要通过以下方式解决：
1.在结构上，采用窄带滤光片，降低或者避免其他气体在该波段的吸收，可以有效解决交叉干扰问题，如IFC干涉相关滤波技术，GFC气体滤波相关技术等，但会大大增加系统的复杂度与成本。该方法对于待测气体的检测只能针对提前预设的一种或几种组分，未知干扰气体会严重影响反演精度。
2.在算法上去除交叉干扰，有最小二乘法、傅里叶变换法、支持向量回归法和神经网络法等。其中最小二乘法/偏最小二乘法对于非线性吸收的气体浓度反演精度较低；傅里叶变换法只限于对周期特性的吸收光谱且频谱重叠的较少的气体有效；支持向量回归法在变量数多于样本数时表现结果较差；神经网络法则需要大量的样本学习。这些算法在某些场景，针对某些确定的气体组分时能取得较好的效果，但仍然无法排除未知的干扰气体对反演精度的影响。
当前市面上基于光谱检测的多组分气体浓度反演方法，不能有效解决未知干扰气体对反演精度的干扰。鉴于未知干扰气体对光谱反演精度的重大影响，为了提高气体浓度反演的精度，增加反演算法适用范围，降低检测系统的结构复杂度，需要更加有效且高精度的算法实现未知多组分气体的浓度反演。
发明内容
为解决上述现有技术方案中的不足，本发明提供了一种多组分气体浓度分析方法。
本发明的目的是通过以下技术方案实现的：
多组分气体浓度分析方法，所述多组分气体浓度分析方法包括以下步骤：
(A1)针对可能的气体组分，采集不同浓度梯度的气体组分的吸收光谱，建立吸收光谱与浓度之间的函数关系Ai＝S(C)，i为光谱像素点序号，C为浓度，A表示吸光度；得到吸收光谱数据库Aij＝S(Cj)，j为气体组分序号；
(A2)获得样气的吸收光谱Ai′，利用所述吸收光谱数据库去匹配样气的吸收光谱，将匹配度大于阈值的气体组分作为所述样气中主气体成分，组分序号为j＝1：K；
分别得到所述样气中各气体组分的估算浓度C′j，j＝1：K，并利用所述吸收光谱数据库Aij＝S(Cj)得到所述样气中各气体组分的吸光光谱A′ij；
(A3)构建组合吸收光谱L是迭代次数，λ是光谱像素波长；
(A4)结合损失函数构建目标函数；
(A5)使用迭代算法调整所述估算浓度C′j以及al，从而对所述目标函数进行迭代优化，当目标函数最小时的估算浓度C′j作为样气中各气体组分的浓度。
与现有技术相比，本发明具有的有益效果为：
分析精度高；
构建了组合吸收光谱和目标函数，无需复杂的结构就能够有效降低甚至消除多组分气态污染物之间的交叉干扰，提高基于吸收光谱方案的气态污染物检测仪表的分析精度；
在组合吸收光谱中加入多项式惩罚，可消除环境中大气分子，气溶胶粒子散射等对浓度计算的影响；
利用呈浓度梯度的纯气建立吸收光谱数据库，对样气吸收光谱进行模板匹配，能够有效得出多组分气态污染物中的气体成分，避免未知气体组分对分析结果的影响。
附图说明
参照附图，本发明的公开内容将变得更易理解。本领域技术人员容易理解的是：这些附图仅仅用于举例说明本发明的技术方案，而并非意在对本发明的保护范围构成限制。图中：
图1是根据本发明实施例的多组分气体浓度分析方法的流程图。
具体实施方式
图1和以下说明描述了本发明的可选实施方式以教导本领域技术人员如何实施和再现本发明。为了解释本发明技术方案，已简化或省略了一些常规方面。本领域技术人员应该理解源自这些实施方式的变型或替换将在本发明的范围内。本领域技术人员应该理解下述特征能够以各种方式组合以形成本发明的多个变型。由此，本发明并不局限于下述可选实施方式，而仅由权利要求和它们的等同物限定。
实施例1：
图1示意性地给出了本发明实施例的多组分气体浓度分析方法的流程图，如图1所示，所述的多组分气体浓度分析方法包括以下步骤：
(A1)针对可能的气体组分，采集不同浓度梯度的气体组分的吸收光谱，建立吸收光谱与浓度之间的函数关系Ai＝S(C)，i为光谱像素点序号，C为浓度，A表示吸光度；得到吸收光谱数据库Aij＝S(Cj)，j为气体组分序号；
(A2)获得样气的吸收光谱Ai′，利用所述吸收光谱数据库去匹配样气的吸收光谱，将匹配度大于阈值的气体组分作为所述样气中主气体成分，组分序号为j＝1：K；匹配算法可采用傅里叶模板匹配算法或Hausdorff距离匹配算法；
分别得到所述样气中各气体组分的估算浓度C′j，j＝1：K，并利用所述吸收光谱数据库Aij＝S(Cj)得到所述样气中各气体组分的吸光光谱A′ij；
(A3)构建组合吸收光谱L是迭代次数，λ是光谱像素波长，/>的项数范围2～7；
(A4)结合损失函数构建目标函数，所述损失函数是平方损失函数或平均绝对误差函数；
(A5)使用迭代算法调整所述估算浓度C′j以及al，从而对所述目标函数进行迭代优化，当目标函数最小时的估算浓度C′j作为样气中各气体组分的浓度，所述迭代算法是最速下降法、遗传算法、蚁群算法或模拟退火算法。
实施例2：
根据本发明实施例1的多组分气体浓度分析方法在烟气监测中的应用例。
(A1)针对检测的气体组分，如二氧化硫、氮氧化物，以及工况中可能存在的氨气、硫化氢等其他干扰气体，采集不同浓度梯度的纯气体组分的吸收光谱，建立吸收光谱与浓度之间的函数关系Ai＝S(C)，i为光谱像素点序号，C为浓度，A表示吸光度；
得到吸收光谱数据库Aij＝S(Cj)，j为气体组分序号；
(A2)获得样气的吸收光谱A′i，利用所述吸收光谱数据库及Hausdorff距离匹配算法去匹配样气的吸收光谱，将匹配度大于阈值的气体组分作为所述样气中主气体成分，组分序号为j＝1：K；匹配的具体方式为：
(B1)A为纯气吸收光谱数据库中的一组光谱；
(B2)记A′到A的单向Hausdorff距离为h(A′,A)＝max(a∈A′)min(b∈A)||a-b||；
A到A′的单向Hausdorff距离为h(A,A′)＝max(b∈A)min(a∈A′)||b-a||；
其中||·||是样气吸收光谱A′和纯气吸收光谱A间的距离范式；
(B3)定义两组光谱之间的Hausdorff距离为H(A′,A)＝max(h(A′,A)，h(A,A′))；
(B4)设定距离阈值T,当H＞T时，A所表示的气体即认为样气中主要的气体成分之一，遍历步骤(A1)中建立的数据库内所有气体光谱，得到样气中所有气体成分；
利用加权最小二乘法或者偏最小二乘法分别得到所述样气中各气体组分的估算浓度C′j，j＝1：K，并利用所述吸收光谱数据库Aij＝S(Cj)得到所述样气中各气体组分的吸光光谱A′ij；
(A3)构建组合吸收光谱L是迭代次数，λ是光谱像素波长，/>的项数是5；
(A4)结合损失函数构建目标函数minf＝∑N(A′i-Bi)2；
(A5)使用模拟退火算法调整所述估算浓度C′j以及al，从而对所述目标函数进行迭代优化，当目标函数最小时的估算浓度C′j作为样气中各气体组分的浓度；具体方式为：
(C1)初始化；定义初始温度T(1000)，初始解状态C′j，迭代次数L取100；
(C2)对k＝1,…,L执行步骤(C2)-(C6)：C″j＝C′j+rand(-Δc，Δc)；
(C3)产生新解C″j，C″j＝C′j+rand(-Δc，)Δc，Δc通常设为3倍的检出限要求；
(C4)计算增量ΔT＝f(C″j)-f(C′j)，其中f(C′j)为目标函数f＝∑N(A′i-Ai)2；
(C5)若ΔT＜0则接受C″j作为新的当前解，否则以概率exp(-ΔT/T)接受C″j作为新的当前解；
(C6)如果满足终止条件则输出当前解作为最优解，结束程序；终止条件通常取为连续若干个新解都没有被接受时终止算法；
(C7)如果未满足终止条件，T逐渐减少，且T>0，然后转步骤(C2)。
Claims (4)
1.多组分气体浓度分析方法，其特征在于，所述多组分气体浓度分析方法包括以下步骤：
（A1）针对可能的气体组分，采集不同浓度梯度的纯气体组分的吸收光谱，建立吸收光谱与浓度之间的函数关系Ai=S(C)，i为光谱像素点序号，C为浓度， A表示吸光度；得到吸收光谱数据库Aij=S(Cj)，j为气体组分序号；
（A2）获得样气的吸收光谱A′i，利用所述吸收光谱数据库去匹配样气的吸收光谱，将匹配度大于阈值的气体组分作为所述样气中主气体成分，组分序号为j=1:K；匹配的具体方式为：
(B1) A为纯气吸收光谱数据库中的一组光谱；
(B2)记A′到A的单向Hausdorff距离为h(A′,A)=max(a∈A′)min(b∈A)||a-b||；
A到A′的单向Hausdorff距离为h(A,A′)=max(b∈A)min(a∈A′)||b-a||；
其中||·||是样气吸收光谱A′和纯气吸收光谱A间的距离范式；
(B3)定义两组光谱之间的Hausdorff距离为H(A′,A)=max(h(A′,A), h(A,A′))；
(B4)设定距离阈值T，当H>T时，A所表示的气体即认为样气中主要的气体成分之一，遍历步骤（A1）中建立的数据库内所有气体光谱，得到样气中所有气体成分；
利用加权最小二乘法或者偏最小二乘法分别得到所述样气中各气体组分的估算浓度C′j，j=1:K，并利用所述吸收光谱数据库Aij=S(Cj)得到所述样气中各气体组分的吸收光谱A′ij；
（A3）构建组合吸收光谱，l=1:L，L是迭代次数，λ是光谱像素波长；
（A4）结合损失函数构建目标函数min f=∑N(A′i- Bi)2；
（A5）使用迭代算法调整所述估算浓度C′j以及al，从而对所述目标函数进行迭代优化，把目标函数最小时的估算浓度C′j作为样气中各气体组分的浓度。
2.根据权利要求1所述的多组分气体浓度分析方法，其特征在于，在步骤（A3）中，的项数范围2~7。
3.根据权利要求1所述的多组分气体浓度分析方法，其特征在于，在步骤（A4）中，所述损失函数是平方损失函数或平均绝对误差函数。
4.根据权利要求1所述的多组分气体浓度分析方法，其特征在于，在步骤（A5）中，所述迭代算法是最速下降法、遗传算法、蚁群算法或模拟退火算法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111138611.9A CN113916810B (zh) | 2021-09-27 | 2021-09-27 | 多组分气体浓度分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111138611.9A CN113916810B (zh) | 2021-09-27 | 2021-09-27 | 多组分气体浓度分析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113916810A CN113916810A (zh) | 2022-01-11 |
| CN113916810B true CN113916810B (zh) | 2023-11-10 |
Family
ID=79236552
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111138611.9A Active CN113916810B (zh) | 2021-09-27 | 2021-09-27 | 多组分气体浓度分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113916810B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116879227B (zh) * | 2023-07-07 | 2024-06-11 | 安徽农业大学 | 一种基于激光光谱的快速气体反演方法 |
| CN117368132B (zh) * | 2023-12-07 | 2024-02-27 | 杭州泽天春来科技股份有限公司 | 恶臭气体检测方法、装置及计算机设备 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH04265839A (ja) * | 1991-02-21 | 1992-09-22 | Horiba Ltd | 分光分析における多成分分析方法 |
| JP2003014627A (ja) * | 2001-06-28 | 2003-01-15 | Ishikawajima Harima Heavy Ind Co Ltd | 多成分分析計の検量線作成方法 |
| CN101881727A (zh) * | 2010-07-06 | 2010-11-10 | 西安交通大学 | 一种基于吸收光谱图重构的多组分气体浓度定量分析方法 |
| CN108287141A (zh) * | 2017-12-21 | 2018-07-17 | 北京遥测技术研究所 | 一种基于光谱法的多组分气体浓度分析方法 |
| CN112945876A (zh) * | 2021-01-29 | 2021-06-11 | 聚光科技(杭州)股份有限公司 | 待测气体向量的生成方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10643008B2 (en) * | 2014-11-11 | 2020-05-05 | Spectrasensors, Inc. | Target analyte detection and quantification in sample gases with complex background compositions |
-
2021
- 2021-09-27 CN CN202111138611.9A patent/CN113916810B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH04265839A (ja) * | 1991-02-21 | 1992-09-22 | Horiba Ltd | 分光分析における多成分分析方法 |
| JP2003014627A (ja) * | 2001-06-28 | 2003-01-15 | Ishikawajima Harima Heavy Ind Co Ltd | 多成分分析計の検量線作成方法 |
| CN101881727A (zh) * | 2010-07-06 | 2010-11-10 | 西安交通大学 | 一种基于吸收光谱图重构的多组分气体浓度定量分析方法 |
| CN108287141A (zh) * | 2017-12-21 | 2018-07-17 | 北京遥测技术研究所 | 一种基于光谱法的多组分气体浓度分析方法 |
| CN112945876A (zh) * | 2021-01-29 | 2021-06-11 | 聚光科技(杭州)股份有限公司 | 待测气体向量的生成方法 |
Non-Patent Citations (1)
| Title |
|---|
| 时频域分形维数分析的光谱信号重叠峰解析算法;陶维亮 等;光谱学与光谱分析;第37卷(第12期);第3664-3669页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113916810A (zh) | 2022-01-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113916810B (zh) | 多组分气体浓度分析方法 | |
| CN108844939B (zh) | 基于非对称加权最小二乘的拉曼光谱检测基线校正方法 | |
| CN107631993B (zh) | 一种基于水汽残差谱分析的红外光谱识别方法 | |
| CN113049507A (zh) | 多模型融合的光谱波长选择方法 | |
| Ju et al. | Rapid Identification of Atmospheric Gaseous Pollutants Using Fourier‐Transform Infrared Spectroscopy Combined with Independent Component Analysis | |
| CN109033524B (zh) | 一种基于鲁棒混合模型的化工过程浓度变量在线估计方法 | |
| Li et al. | Sources and processes of organic aerosol in non-refractory PM1 and PM2. 5 during foggy and haze episodes in an urban environment of the Yangtze River Delta, China | |
| CN112945876B (zh) | 待测气体向量的生成方法 | |
| CN108120694B (zh) | 用于晒红烟化学成分分析的多元校正方法及系统 | |
| CN106198433A (zh) | 基于lm‑ga算法的红外光谱定性分析方法 | |
| CN111141809B (zh) | 一种基于非接触式电导信号的土壤养分离子含量检测方法 | |
| WO2024130845A1 (zh) | 通过识别未知气体特征测量气体浓度的方法和系统 | |
| CN112666104A (zh) | 一种基于doas的气体浓度反演方法 | |
| CN106323888B (zh) | 一种超低排放烟气测量方法 | |
| CN115541563A (zh) | 一种基于激光诱导击穿光谱的元素定量分析方法 | |
| CN112949169B (zh) | 一种基于光谱分析的煤样化验值预测方法 | |
| CN115274001A (zh) | 基于近红外光谱的有机物在线检测结果的可靠性评价方法 | |
| CN110398488B (zh) | 应用于激光诱导击穿光谱的非线性定量分析方法 | |
| CN112816377B (zh) | 基于ftir技术的烟气检测方法 | |
| JP4211173B2 (ja) | 煙道中のｓｏ３ガスの濃度算出方法 | |
| JP4211172B2 (ja) | 煙道中のｓｏ３ガスの濃度算出方法 | |
| CN117388204B (zh) | 一氧化氮气体分析系统、方法及计算机可读存储介质 | |
| JP2003014627A (ja) | 多成分分析計の検量線作成方法 | |
| Solis et al. | Accelerated multiple‐pass moving average: A novel algorithm for baseline estimation in CE and its application to baseline correction on real‐time bases | |
| JP2003014625A (ja) | Ｓｏ３，ｎｈ３同時連続濃度計 |
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 |