CN114418184B - 一种加热炉炉膛温度自适应容错预报方法 - Google Patents

一种加热炉炉膛温度自适应容错预报方法 Download PDF

Info

Publication number
CN114418184B
CN114418184B CN202111564455.2A CN202111564455A CN114418184B CN 114418184 B CN114418184 B CN 114418184B CN 202111564455 A CN202111564455 A CN 202111564455A CN 114418184 B CN114418184 B CN 114418184B
Authority
CN
China
Prior art keywords
time
temperature
value
heating furnace
new information
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
Application number
CN202111564455.2A
Other languages
English (en)
Other versions
CN114418184A (zh
Inventor
胡绍林
张清华
文成林
朱鑫真
雷高伟
柯烨
陈文卓
王世华
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.)
Guangdong University of Petrochemical Technology
Original Assignee
Guangdong University of Petrochemical Technology
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 Guangdong University of Petrochemical Technology filed Critical Guangdong University of Petrochemical Technology
Priority to CN202111564455.2A priority Critical patent/CN114418184B/zh
Publication of CN114418184A publication Critical patent/CN114418184A/zh
Application granted granted Critical
Publication of CN114418184B publication Critical patent/CN114418184B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/15—Correlation function computation including computation of convolution operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Pure & Applied Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Computational Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Primary Health Care (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computing Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Algebra (AREA)
  • Health & Medical Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Control Of Heat Treatment Processes (AREA)

Abstract

本发明公开了一种加热炉炉膛温度自适应容错预报方法，属于加热炉炉膛温度预报技术领域。一种加热炉炉膛温度自适应容错预报方法，包括如下步骤：采集炉膛温度序列{y(t1),...,y(tk)}，根据
Figure DDA0003421387570000011
计算tk+1时刻的温度预报值
Figure DDA0003421387570000012
用以解决加热炉炉膛温度的自动化预报问题。

Description

一种加热炉炉膛温度自适应容错预报方法
技术领域
本发明涉及加热炉炉膛温度预报技术领域，更具体地说，涉及一种加热炉炉膛温度自适应容错预报方法。
背景技术
加热炉是工业生产的重要装备，广泛应用在石油、化工、冶金、机械以及热处理、建材、材料、轻工、日化、制药等诸多行业领域。
加热炉炉膛温度是监控加热炉工况的重要参数，直接影响生产效能和产品质量。如果能够快速、高精准度地预测炉膛内温度变化，不仅可以提前了解到炉膛温度变化趋势，而且可以为膛温的调节和控制赢得时间，对于改进加热炉生产工艺、提高生产效率和防范炉膛高温爆裂都具有重要意义。
在石油化工等领域，常见的加热炉主要是采用乙炔等混合气体或液化混合气体为燃料，对管道内流动的油类液体进行加温。由于燃料、空气和管道流动液体都有可能存在的不均匀性，以及炉膛内部结构的复杂性，加热炉炉膛温度数据通常是非平稳的，且带有明显的随机扰动特征，这使得常规时间序列数值预测方法，例如基于自回归(AR)模型或自回归滑动平均(ARMA)模型的经典预测方法，并不能快速准确地预测炉膛温度变化。特别是当炉膛温度监测数据中包含有采样野值时，上述方法的预测结果甚至会因野值影响而明显偏离真实情况，轻则影响产品的品质，严重时甚至会诱发事故，鉴于此，我们提出一种加热炉炉膛温度自适应容错预报方法。
发明内容
本发明的目的在于提供一种加热炉炉膛温度自适应容错预报方法，以解决上述背景技术中提出的问题：
为实现上述目的，本发明提供如下技术方案：
一种加热炉炉膛温度自适应容错预报方法，包括如下步骤：
设置起始预测点序k＝1；
采集加热炉炉膛的tk时刻及该时刻之前的温度变化测量数据序列{y(ti),i＝1,2,…,k}；
根据温度采样值与对应时刻的温度预报值的差值确定变门限参数
Figure BDA0003421387550000021
根据时变门限参数
Figure BDA0003421387550000022
确定容错函数φ(x)；
根据计算
Figure BDA0003421387550000023
确定确定调节系数
Figure BDA0003421387550000024
根据tk时刻的温度预报值和
Figure BDA0003421387550000025
确定tk+1时刻的温度预报值
Figure BDA0003421387550000026
优选地，时变门限参数
Figure BDA0003421387550000027
的计算采用式(4)：
Figure BDA0003421387550000028
式中med为中值算子；
容错函数φ(x)的计算采用式(3)：
Figure BDA0003421387550000029
式中λ为适当选定的可调参数，缺失值＝3；
Figure BDA00034213875500000210
的计算采用式(2)：
Figure BDA00034213875500000211
利用公式(1)计算tk+1时刻的温度预报值
Figure BDA00034213875500000212
Figure BDA00034213875500000213
式中：min和max分别是取最小值和最大值的算子。
优选地，a.调节系数
Figure BDA0003421387550000031
值介于0和1之间，并且，当且仅当关系式(5)满足时，调节系数取最大值1：
Figure BDA0003421387550000032
此时，
Figure BDA0003421387550000033
类似地，当且仅当式(6)满足时，调节系数取最小值0：
Figure BDA0003421387550000034
此时，预报值
Figure BDA0003421387550000035
b.一般情况下，任意tk+1时刻的预报值
Figure BDA0003421387550000036
等于在tk时刻的一步预报值基础上，叠加一步预报误差函数
Figure BDA0003421387550000037
的按比例调节量；
c.当函数φ(x)＝x时，调节系数
Figure BDA0003421387550000038
中的
Figure BDA0003421387550000039
使式(7)所示的预报误差平方和达到最小：
Figure BDA00034213875500000310
d.对于任意tk+1时刻，预报值
Figure BDA00034213875500000311
在吸收数据y(tk)带来的新增信息
Figure BDA00034213875500000312
时；当
Figure BDA00034213875500000313
时；当
Figure BDA00034213875500000314
时，将新增信息的影响控制在
Figure BDA00034213875500000315
当
Figure BDA00034213875500000316
时，并随数据异常程度的增大直至将影响减少到0；
Figure BDA00034213875500000317
时，新增信息为异常信息。
相比于现有技术，本发明的有益效果在于：
本发明建立的自适应预测算法在采样数据正常的情况下能够快速准确地预测状态的变化；即使数据局部大幅波动，自适应容错预测算法也能够快速准确地预测状态变化，本发明建立可以自动适应燃料不均匀、结构不均衡、数据带随机扰动甚至包含野值的自适应容错预报方法，用于各种加热炉的炉膛温度预报和温度调控，有显著的技术先进性进和重要的工业实用价值，该方法的显著优点是有快捷的递推算法便于实现、有不受采样异常野值干扰的容错能力和随数据变化自动选定新增信息调节系数的自适应能力。
附图说明
图1为本发明实施例提供的炉膛温度自适应容错预报流程图；
图2为本发明实施例提供的加热炉炉膛温度实测数据变化曲线图；
图3为本发明实施例提供的炉膛温度一步预报结果曲线图；
图4为本发明实施例提供的炉膛温度一步预报误差曲线图；
图5为本发明实施例提供的炉膛温度一步预报相对误差曲线图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
实施例：
请参阅图1-5，一种加热炉炉膛温度自适应容错预报方法，包括如下步骤：
步骤一：设置起始预测点序k＝1；
采集加热炉炉膛的tk时刻及该时刻之前的温度变化测量数据序列{y(ti),i＝1,2,…,k}；
步骤二：计算时变门限参数
Figure BDA0003421387550000041
时变门限参数
Figure BDA0003421387550000042
的计算采用式(4)：
Figure BDA0003421387550000043
式中med为中值算子；
计算容错函数φ(x)：
容错函数φ(x)的计算采用式(3)：
Figure BDA0003421387550000051
式中λ为适当选定的可调参数，缺失值＝3；
计算
Figure BDA0003421387550000052
进而确定调节系数
Figure BDA0003421387550000053
Figure BDA0003421387550000054
的计算采用式(2)：
Figure BDA0003421387550000055
步骤三：基于加热炉炉膛温度采样数据序列{y(t1),...,y(tk)}，利用公式(1)：
Figure BDA0003421387550000056
计算tk+1时刻的温度预报值
Figure BDA0003421387550000057
min和max分别是取最小值和最大值的算子；
步骤四：向前滑动一个观测采样步长，令
Figure BDA0003421387550000058
步骤五：进程判断，是否继续进行温度预报，若继续则返回步骤二，否则终止预报。
本发明中，a.调节系数
Figure BDA0003421387550000059
值介于0和1之间，并且，当且仅当关系式(5)满足时，调节系数取最大值1：
Figure BDA00034213875500000510
此时，
Figure BDA00034213875500000511
类似地，当且仅当式(6)满足时，调节系数取最小值0：
Figure BDA0003421387550000061
此时，预报值
Figure BDA0003421387550000062
b.一般情况下，任意tk+1时刻的预报值
Figure BDA0003421387550000063
等于在tk时刻的一步预报值基础上，叠加一步预报误差函数
Figure BDA0003421387550000064
的按比例调节量；
c.当函数φ(x)＝x时，调节系数
Figure BDA0003421387550000065
中的
Figure BDA0003421387550000066
使式(7)所示的预报误差平方和达到最小：
Figure BDA0003421387550000067
d.当函数φ(x)由式(3)给定时，预报方法具有良好容错能力：对于任意tk+1时刻，预报值
Figure BDA0003421387550000068
在吸收数据y(tk)带来的新增信息
Figure BDA0003421387550000069
时，根据新增信息的质量，有区别性地吸收；具体地，当
Figure BDA00034213875500000610
时，充分地吸收其带来的全部新增信息；当
Figure BDA00034213875500000611
时，将新增信息的影响控制在
Figure BDA00034213875500000612
当
Figure BDA00034213875500000613
时，逐步减少新增信息带来的影响，并随数据异常程度的增大直至将影响减少到0；
Figure BDA00034213875500000614
时，新增信息为异常信息，彻底排除其对预报值的影响。
本发明提供一种自适应容错预报方法，用以解决加热炉炉膛温度的自动化预报问题，该方法的显著优点是有快捷的递推算法便于实现、有不受采样异常野值干扰的容错能力和随数据变化自动选定新增信息调节系数的自适应能力。
本发明提供的自适应容错预报方法，显著地优于二战期间运筹学家Brown为反潜艇定位跟踪提出的指数平滑预报算法：在采样数据正常时，预报精度与Brown的指数平滑预报算法相同；当采样数据存在异常数据或野值时，Brown的指数平滑预报会失真，而本发明方法则具有容错能力，能够安全可靠地预测变化。另外，本发明方法解决了长期困扰Brown指数平滑预报中的平滑因子如何选取的难题和这一影响工程应用的技术瓶颈。该方法的优点是有快捷的递推算法便于实现、有不受采样异常野值干扰的容错能力和随数据变化自动地选定新增信息调节系数的自适应能力。
本发明实例计算分析：
图2为所示数据列，按照自适应指数预测算法，以及自适应容错指数预测算法，计算该数据序列一步预测曲线、一步预测误差和相对误差，分别如图3-图5所示。
对比图3-图5可以看出，本发明建立的自适应预测算法在采样数据正常的情况下能够快速准确地预测状态的变化；即使数据局部大幅波动，自适应容错预测算法也能够快速准确地预测状态变化。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的仅为本发明的优选例，并不用来限制本发明，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (1)

1.一种加热炉炉膛温度自适应容错预报方法，其特征在于：包括如下步骤：
设置起始预测点序k＝1，采集加热炉炉膛的tk时刻及该时刻之前的温度变化测量数据序列{y(ti),i＝1,2,…,k}；
根据温度采样值与对应时刻的温度预报值的差值确定时变门限参数
Figure FDA0004065956650000011
根据时变门限参数
Figure FDA0004065956650000012
确定容错函数φ(x)；所述容错函数φ(x)计算采用式(3)：
Figure FDA0004065956650000013
式中λ为适当选定的可调参数，缺失值＝3；
根据时变门限参数
Figure FDA00040659566500000110
确定容错函数φ(x)，时变门限参数
Figure FDA00040659566500000111
的计算采用式(4)：
Figure FDA0004065956650000014
式中med为中值算子；
根据计算
Figure FDA0004065956650000015
确定调节系数
Figure FDA0004065956650000016
Figure FDA0004065956650000017
计算采用式(2)：
Figure FDA0004065956650000018
根据tk时刻的温度预报值和
Figure FDA0004065956650000019
利用公式(1)计算tk+1时刻的温度预报值
Figure FDA0004065956650000021
Figure FDA0004065956650000022
式中：min和max分别是取最小值和最大值的算子；
a.调节系数
Figure FDA0004065956650000023
值介于0和1之间，并且，当且仅当关系式(5)满足时，调节系数取最大值1：
Figure FDA0004065956650000024
此时，
Figure FDA0004065956650000025
当且仅当式(6)满足时，调节系数取最小值0：
Figure FDA0004065956650000026
此时，预报值
Figure FDA0004065956650000027
b.任意tk+1时刻的预报值
Figure FDA0004065956650000028
等于在tk时刻的一步预报值基础上，叠加一步预报误差函数
Figure FDA0004065956650000029
的按比例调节量；
c.当函数φ(x)＝x时，调节系数
Figure FDA00040659566500000210
中的
Figure FDA00040659566500000211
使式(7)所示的预报误差平方和达到最小：
Figure FDA00040659566500000212
d.对于任意tk+1时刻，预报值
Figure FDA00040659566500000213
在吸收数据y(tk)带来的新增信息
Figure FDA00040659566500000214
时，根据新增信息的质量，有区别性地吸收；当
Figure FDA00040659566500000215
时，充分的吸收其带来的全部新增信息；当
Figure FDA00040659566500000216
时，将新增信息的影响控制在
Figure FDA00040659566500000217
当
Figure FDA00040659566500000218
时，并随数据异常程度的增大直至将影响减少到0；
Figure FDA0004065956650000031
时，新增信息为异常信息。
CN202111564455.2A 2021-12-20 2021-12-20 一种加热炉炉膛温度自适应容错预报方法 Active CN114418184B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111564455.2A CN114418184B (zh) 2021-12-20 2021-12-20 一种加热炉炉膛温度自适应容错预报方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111564455.2A CN114418184B (zh) 2021-12-20 2021-12-20 一种加热炉炉膛温度自适应容错预报方法

Publications (2)

Publication Number Publication Date
CN114418184A CN114418184A (zh) 2022-04-29
CN114418184B true CN114418184B (zh) 2023-04-07

Family

ID=81267615

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111564455.2A Active CN114418184B (zh) 2021-12-20 2021-12-20 一种加热炉炉膛温度自适应容错预报方法

Country Status (1)

Country Link
CN (1) CN114418184B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5873959A (en) * 1991-08-09 1999-02-23 Techint Technologies Inc. Adaptive control for reheat furnace
WO2018060157A1 (fr) * 2016-09-27 2018-04-05 Electricite De France Procédé d'auto-paramétrage auto-adaptatif d'un système de chauffage et de production d'eau chaude sanitaire
CN111006240A (zh) * 2019-11-22 2020-04-14 华北电力大学 一种生物质锅炉炉膛温度和负荷预测方法
CN113052391A (zh) * 2021-04-09 2021-06-29 东方电气集团科学技术研究院有限公司 一种锅炉受热面结焦在线预测方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101933869B1 (ko) * 2016-11-28 2018-12-31 주식회사 케이아이씨텍 IoT기술에 의한 보일러 온도 자동제어 시스템 및 그 방법
CN107527118A (zh) * 2017-08-31 2017-12-29 佛山科学技术学院 一种自适应容错指数平滑预报方法
CN110532674B (zh) * 2019-08-27 2022-08-12 东北电力大学 一种燃煤电站锅炉炉膛温度测量方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5873959A (en) * 1991-08-09 1999-02-23 Techint Technologies Inc. Adaptive control for reheat furnace
WO2018060157A1 (fr) * 2016-09-27 2018-04-05 Electricite De France Procédé d'auto-paramétrage auto-adaptatif d'un système de chauffage et de production d'eau chaude sanitaire
CN111006240A (zh) * 2019-11-22 2020-04-14 华北电力大学 一种生物质锅炉炉膛温度和负荷预测方法
CN113052391A (zh) * 2021-04-09 2021-06-29 东方电气集团科学技术研究院有限公司 一种锅炉受热面结焦在线预测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Gorazd Karer 等.Self-adaptive predictive functional control of the temperature in an exothermic batch reactor.《Chemical Engineering and Processing: Process Intensification》.2008,第47卷(第47期),第2379-2385页. *
Kai Jiang 等.Data-driven fault tolerant predictive control for temperature regulation in data center with rack-based cooling architecture.《Mechatronics》.2021,第79卷第1-9页. *
于谨 等.基于T-S模型模糊神经网络预测的退火炉温度控制.《沈阳建筑大学学报(自然科学版)》.2014,第30卷(第1期),第181-186页. *

Also Published As

Publication number Publication date
CN114418184A (zh) 2022-04-29

Similar Documents

Publication Publication Date Title
CN111766777B (zh) 一种pid控制器及pid控制方法
CN111522233B (zh) 参数自整定的mimo异因子全格式无模型控制方法
KR100810952B1 (ko) 온라인 칼리브레이션 프로세스
CN105316613B (zh) 一种基于变时滞偏差校正技术的锌层厚度控制方法和系统
CN106637026B (zh) 一种镀锌过程气刀压力实时优化控制方法及系统
CN111522230B (zh) Mimo异因子紧格式无模型控制方法
CN106868440B (zh) 一种带钢连续热镀锌镀层厚度预测及其调节方法
TW201414826A (zh) 以控制系統及演算法爲基礎之分析器之設計開發與實施
CN111522232B (zh) Mimo异因子全格式无模型控制方法
CN116700393A (zh) 一种基于模糊控制的反应釜温度控制方法
CN108646553A (zh) 一种统计在线监控闭环控制系统模型质量的方法
CN114418184B (zh) 一种加热炉炉膛温度自适应容错预报方法
CN105675320B (zh) 一种基于声学信号分析的机械系统运行状态实时监控方法
Andrieu et al. Continuous discrete observer with updated sampling period
WO2023039949A1 (zh) 一种烧结温度的控制方法及装置
JP2005538462A (ja) ヒステリシスを決定するための方法と機器
Wang et al. A fast monitoring method for multiple operating batch processes with incomplete modeling data types
CN110298767B (zh) 一种火力发电厂时间序列变量异常监测方法及系统
CN101819409A (zh) 一种加氯控制方法和装置
JP2020099982A (ja) 工作機械の熱変位補正方法、熱変位補正プログラム、熱変位補正装置
CN105607477B (zh) 一种基于改进局部均值分解的工业控制回路振荡检测方法
Qing-wei et al. A practical approach of online control performance monitoring
Chen et al. Variable discourse of universe fuzzy-PID temperature control system for vacuum smelting based on PLC
Minari et al. Industrial SBR process: Computer simulation study for online estimation of steady‐state variables using neural networks
Qiao et al. Application of Improved Intelligent PID Algorithm in High Precision Thermostatic Control in Trace Water Analyzer

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