CN115063418A - 一种基于图像识别的动力电池温度检测方法 - Google Patents

一种基于图像识别的动力电池温度检测方法 Download PDF

Info

Publication number
CN115063418A
CN115063418A CN202210953398.5A CN202210953398A CN115063418A CN 115063418 A CN115063418 A CN 115063418A CN 202210953398 A CN202210953398 A CN 202210953398A CN 115063418 A CN115063418 A CN 115063418A
Authority
CN
China
Prior art keywords
power battery
temperature
image recognition
sample
data mining
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.)
Granted
Application number
CN202210953398.5A
Other languages
English (en)
Other versions
CN115063418B (zh
Inventor
杨世春
林家源
周思达
周新岸
陈飞
曹耀光
闫啸宇
刘新华
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.)
Beihang University
Original Assignee
Beihang University
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 Beihang University filed Critical Beihang University
Priority to CN202210953398.5A priority Critical patent/CN115063418B/zh
Publication of CN115063418A publication Critical patent/CN115063418A/zh
Application granted granted Critical
Publication of CN115063418B publication Critical patent/CN115063418B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/53—Querying
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/44—Methods for charging or discharging
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/48—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte
    • H01M10/486—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte for measuring temperature
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Electrochemistry (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • General Chemical & Material Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Chemical & Material Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Secondary Cells (AREA)

Abstract

本发明涉及动力电池热管理系统技术领域，提出了一种基于图像识别的动力电池温度检测方法，解决在不填埋热电偶的条件下实现动力电池内部温度检测的问题，首先获取动力电池的热特性，描述当前状态下电池表面及核心温度分布，然后获取动力电池真实温度，采集内部各点温度值，再次，构建数据驱动算法的训练数据集，建立基于图像识别的数据挖掘算法，使用训练集与对应的监督值进行训练，并使用测试集对训练结果进行检验，最后基于训练好的数据挖掘模型，在提供动力电池红外测试图像作为模型输入后，模型输出内部各点的温度值。本发明在不破坏动力电池内部结构的条件下，采用数据挖掘算法实现动力电池温度检测，并在同宽电池上具有较好的泛化性。

Description

一种基于图像识别的动力电池温度检测方法
技术领域
本发明涉及动力电池热管理系统技术领域，尤其涉及一种基于图像识别的动力电池温度检测方法。
背景技术
锂离子电池的工作温度会严重影响其工作特性。在低温工作时，锂离子电池的内阻增大，系统可用能量和可用功率下降，且低温充电导致的析锂甚至会引发安全问题。高温工作及电池单体间的温度不一致性会导致电池加速老化，同样可能引发热失控等安全问题，严重威胁整车安全。因此电动汽车需要采用良好的热管理系统对电池模组温度进行管控，从而有效改善由于温度因素引起的电池性能下降问题，并降低安全风险。
目前，在对动力电池产热传热机理研究和热管理系统设计过程中，对动力电池内部的温度测试方法仍存在较大问题。常规检测方法只能在电池表面布置温度传感器进行检测，无法检测内部温度分布，而采用填埋热电偶法测试则会破坏电池本身结构，在实车运行环境下存在绝缘、热失控的风险，因此无法应用于实车。此外也有采用红外图像探测的方式来预测电池温度的，例如公开号为CN106872047A、CN110567583A和CN102494778A的中国专利申请，但上述方法过于繁琐，且泛用性差。
综上，可应用于实车环境下的电池温度在线、精准检测仍是目前电池热管理系统亟待解决的难题。
发明内容
有鉴于此，本发明提供了一种基于图像识别的动力电池温度检测方法，该方法采用数据挖掘算法实现动力电池温度检测，能够在不填埋热电偶的条件下实现动力电池内部温度检测，不破坏动力电池内部结构，并在同宽电池上具有较好的泛化性。
本发明提供一种基于图像识别的动力电池温度检测方法，包括如下步骤：
步骤S1：在各样本动力电池充放电循环过程中，采用预埋热电偶方法或交流阻抗法采集各样本动力电池核心的温度值，并通过数据采集卡或无纸记录仪采集各样本动力电池表面的温度值，同时采用红外检测设备按照固定采样间隔或变采样间隔对各样本动力电池进行摄像或拍照，获取当前状态下各样本动力电池的温度分布图，用于描述各样本动力电池的表面与核心的温度分布；
步骤S2：基于获取的各样本动力电池充放电循环过程中的真实温度，训练数据挖掘模型；
步骤S3：将获取的待测动力电池的温度分布图输入训练好的数据挖掘模型，输出待测动力电池的表面与核心的温度值；
在一种可能的实现方式中，所述步骤S2包括：
步骤S2-1将获取的各样本动力电池的温度分布图分为训练集和测试集，将采集的各样本动力电池的表面与核心的温度值作为监督值；其中，所述测试集不包含在所述训练集中；
步骤S2-2建立基于图像识别的数据挖掘算法，使用所述训练集与所述监督值进行训练，并使用所述测试集对训练结果进行检验，得到训练好的数据挖掘模型。
在一种可能的实现方式中，步骤S2-1中，将获取的各样本动力电池的温度分布图分为训练集和测试集，采用留出法、交叉验证法或自助法。
在一种可能的实现方式中，步骤S2-2中，所述基于图像识别的数据挖掘算法，包括：深度卷积神经网络算法、长短时记忆神经网络算法、基于局部特征提取的卷积神经网络算法以及基于尺度不变特征变换匹配算法的R-CNN算法。
在一种可能的实现方式中，动力电池的充放电循环过程包括高低倍率下恒流放电工况、小倍率充电工况、大倍率快充工况、分阶段充电工况及动态放电工况。
相比于现有技术，本发明具有以下有益效果：
1. 本发明提供的一种基于图像识别的动力电池温度检测方法，能够在不破坏动力电池本身结构的条件下实现动力电池内部温度检测。
2. 本发明提供的一种基于图像识别的动力电池温度检测方法，采用数据挖掘算法对动力电池红外成像图片进行训练，训练完成后可实现同款电池的温度检测，具有较好的泛化性能。
3. 本发明提供的一种基于图像识别的动力电池温度检测方法，将人工智能算法与动力电池检测结合，在未来的动力电池智能管理领域具有较好的适应性与创新性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，通过参考附图会更加清楚的理解本发明的特征和优点，附图是示意性的而不应理解为对本发明进行任何限制，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，可以根据这些附图获得其他的附图。
图1为本发明的一种基于图像识别的动力电池温度检测方法流程图。
具体实施方式
下面将结合本发明实施方式中的附图，对本发明实施方式中的技术方案进行清楚、完整的描述，显然，所描述的实施方式仅仅是作为例示，并非用于限制本发明。
如图1所示，本发明的基于图像识别的动力电池温度检测方法大致包括三方面工作内容：数据采集，模型训练和泛化检测。
步骤S1：在数据采集中，首先选定需要检测的动力电池或动力电池组信息，在电池内部及表面埋设好温度传感器（热电偶）或其他检测温度装置，而后开始对动力电池进行充放电循环测试，测试内容包括多次完整的快充、慢充、稳态放电测试及动态放电测试等，使动力电池表面及核心温度具有明显的变化，与此同时，使用红外测试装置（如手持红外测试仪等）采集动力电池的红外图像，从而完成动力电池温度数据采集与红外成像图片获取。
步骤S2：在模型训练中，首先基于获取到的红外成像图片划分训练集与测试集，划分过程中应注意测试集内容不应包含在训练集中，以降低过拟合可能，同时可采用正则化等方法对神经网络算法进行改进优化。将训练集与测试集所对应的监督值（电池表面、内部温度）作为参考值输入至数据挖掘模型中，对卷积神经网络模型进行训练，并使用测试集验证模型泛化能力。由于红外图像具有分辨力低、图像对比度差、视觉模糊等特征，因此选用局部不变特征作为数据挖掘算法的输入进行特征提取，通过将动力电池红外图像照片按实体电池分割为3*3或更多区间部分，针对区间进行全局特征提取。针对图像进行平均归一化和大小调整的预处理后输入卷积神经网络算法，采用误差反向传播算法对模型进行训练。
步骤S3：在泛化检测中，基于训练后的数据挖掘模型应具有基于给定的任意同型动力电池或模组的红外测试图像检测动力电池温度或进行温度预测的功能。该方法可集成为软件或其他形式，从而成为动力电池温度检测系统。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (5)

1.一种基于图像识别的动力电池温度检测方法，其特征在于，包括如下步骤：
步骤S1：在各样本动力电池充放电循环过程中，采用预埋热电偶方法或交流阻抗法采集各样本动力电池核心的温度值，并通过数据采集卡或无纸记录仪采集各样本动力电池表面的温度值，同时采用红外检测设备按照固定采样间隔或变采样间隔对各样本动力电池进行摄像或拍照，获取当前状态下各样本动力电池的温度分布图，用于描述各样本动力电池的表面与核心的温度分布；
步骤S2：基于获取的各样本动力电池充放电循环过程中的真实温度，训练数据挖掘模型；
步骤S3：将获取的待测动力电池的温度分布图输入预先训练好的数据挖掘模型，输出待测动力电池的表面与核心的温度值。
2.根据权利要求1所述的基于图像识别的动力电池温度检测方法，其特征在于，所述步骤S2具体包括：
步骤S2-1将获取的各样本动力电池的温度分布图分为训练集和测试集，将采集的各样本动力电池的表面与核心的温度值作为监督值；其中，所述测试集不包含在所述训练集中；
步骤S2-2建立基于图像识别的数据挖掘算法，使用所述训练集与所述监督值进行训练，并使用所述测试集对训练结果进行检验，得到训练好的数据挖掘模型。
3.如权利要求2所述的基于图像识别的动力电池温度检测方法，其特征在于，步骤S2-1中，将获取的各样本动力电池的温度分布图分为训练集和测试集，采用留出法、交叉验证法或自助法。
4.如权利要求2所述的基于图像识别的动力电池温度检测方法，其特征在于，步骤S2-2中，所述基于图像识别的数据挖掘算法，包括：深度卷积神经网络算法、长短时记忆神经网络算法、基于局部特征提取的卷积神经网络算法或基于尺度不变特征变换匹配算法的R-CNN算法。
5.如权利要求1所述的基于图像识别的动力电池温度检测方法，其特征在于，动力电池的充放电循环过程包括高低倍率下恒流放电工况、小倍率充电工况、大倍率快充工况、分阶段充电工况及动态放电工况。
CN202210953398.5A 2022-08-10 2022-08-10 一种基于图像识别的动力电池温度检测方法 Active CN115063418B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210953398.5A CN115063418B (zh) 2022-08-10 2022-08-10 一种基于图像识别的动力电池温度检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210953398.5A CN115063418B (zh) 2022-08-10 2022-08-10 一种基于图像识别的动力电池温度检测方法

Publications (2)

Publication Number Publication Date
CN115063418A true CN115063418A (zh) 2022-09-16
CN115063418B CN115063418B (zh) 2022-11-01

Family

ID=83207828

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210953398.5A Active CN115063418B (zh) 2022-08-10 2022-08-10 一种基于图像识别的动力电池温度检测方法

Country Status (1)

Country Link
CN (1) CN115063418B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115876334A (zh) * 2023-02-22 2023-03-31 瑞纳智能设备股份有限公司 红外热像室内测温方法、系统和计算机可读存储介质
CN115896817A (zh) * 2023-03-08 2023-04-04 福建德尔科技股份有限公司 氟氮混合气的生产方法及其系统
CN116682193A (zh) * 2023-08-01 2023-09-01 北京得瑞领新科技有限公司 散热部件的安装检测方法、系统、存储介质及设备

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008134087A1 (en) * 2007-05-01 2008-11-06 10C Technologies Method and apparatus for acquiring battery temperature measurements using stereographic or single sensor thermal imaging
CN102494778A (zh) * 2011-11-14 2012-06-13 北京理工大学 一种基于人工神经网络的二次电池表面最高温度预测方法
CN106872047A (zh) * 2017-04-26 2017-06-20 中国联合网络通信集团有限公司 一种蓄电池的温度测试方法、装置及系统
CN108564565A (zh) * 2018-03-12 2018-09-21 华南理工大学 一种基于深度学习的电力设备红外图像多目标定位方法
CN110567583A (zh) * 2019-07-16 2019-12-13 浙江工业大学 一种基于红外图像储能电池堆三维温度可视化方法
CN111445462A (zh) * 2020-03-30 2020-07-24 国家计算机网络与信息安全管理中心 一种基于神经网络和热像图的蓄电池漏液检测方法
CN112215296A (zh) * 2020-10-21 2021-01-12 红相股份有限公司 基于迁移学习的红外图像识别方法及存储介质
CN112380952A (zh) * 2020-11-10 2021-02-19 广西大学 基于人工智能的电力设备红外图像实时检测及识别方法
CN113484770A (zh) * 2021-06-10 2021-10-08 广东恒翼能科技有限公司 基于充放电数据在线测算电池内部核心温度的方法及系统
CN113933734A (zh) * 2021-09-02 2022-01-14 深圳大学 一种退役电池包内部单体参数的提取方法
JP2022063005A (ja) * 2020-10-09 2022-04-21 日立Astemo株式会社 電池制御装置
US11326954B1 (en) * 2020-12-11 2022-05-10 Jiangsu University Method and device for measuring internal temperature of heap fermentation based on infrared temperature measurement

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008134087A1 (en) * 2007-05-01 2008-11-06 10C Technologies Method and apparatus for acquiring battery temperature measurements using stereographic or single sensor thermal imaging
CN102494778A (zh) * 2011-11-14 2012-06-13 北京理工大学 一种基于人工神经网络的二次电池表面最高温度预测方法
CN106872047A (zh) * 2017-04-26 2017-06-20 中国联合网络通信集团有限公司 一种蓄电池的温度测试方法、装置及系统
CN108564565A (zh) * 2018-03-12 2018-09-21 华南理工大学 一种基于深度学习的电力设备红外图像多目标定位方法
CN110567583A (zh) * 2019-07-16 2019-12-13 浙江工业大学 一种基于红外图像储能电池堆三维温度可视化方法
CN111445462A (zh) * 2020-03-30 2020-07-24 国家计算机网络与信息安全管理中心 一种基于神经网络和热像图的蓄电池漏液检测方法
JP2022063005A (ja) * 2020-10-09 2022-04-21 日立Astemo株式会社 電池制御装置
CN112215296A (zh) * 2020-10-21 2021-01-12 红相股份有限公司 基于迁移学习的红外图像识别方法及存储介质
CN112380952A (zh) * 2020-11-10 2021-02-19 广西大学 基于人工智能的电力设备红外图像实时检测及识别方法
US11326954B1 (en) * 2020-12-11 2022-05-10 Jiangsu University Method and device for measuring internal temperature of heap fermentation based on infrared temperature measurement
CN113484770A (zh) * 2021-06-10 2021-10-08 广东恒翼能科技有限公司 基于充放电数据在线测算电池内部核心温度的方法及系统
CN113933734A (zh) * 2021-09-02 2022-01-14 深圳大学 一种退役电池包内部单体参数的提取方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘艺: "车用动力电池单体及模组温度场可视化研究", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115876334A (zh) * 2023-02-22 2023-03-31 瑞纳智能设备股份有限公司 红外热像室内测温方法、系统和计算机可读存储介质
CN115896817A (zh) * 2023-03-08 2023-04-04 福建德尔科技股份有限公司 氟氮混合气的生产方法及其系统
CN115896817B (zh) * 2023-03-08 2023-05-19 福建德尔科技股份有限公司 氟氮混合气的生产方法及其系统
CN116682193A (zh) * 2023-08-01 2023-09-01 北京得瑞领新科技有限公司 散热部件的安装检测方法、系统、存储介质及设备
CN116682193B (zh) * 2023-08-01 2023-10-13 北京得瑞领新科技有限公司 散热部件的安装检测方法、系统、存储介质及设备

Also Published As

Publication number Publication date
CN115063418B (zh) 2022-11-01

Similar Documents

Publication Publication Date Title
CN115063418B (zh) 一种基于图像识别的动力电池温度检测方法
Li et al. Battery thermal runaway fault prognosis in electric vehicles based on abnormal heat generation and deep learning algorithms
Takyi-Aninakwa et al. An optimized long short-term memory-weighted fading extended Kalman filtering model with wide temperature adaptation for the state of charge estimation of lithium-ion batteries
Song et al. Model-based health diagnosis for lithium-ion battery pack in space applications
Bian et al. Robust state-of-charge estimation of Li-ion batteries based on multichannel convolutional and bidirectional recurrent neural networks
Biju et al. BattX: An equivalent circuit model for lithium-ion batteries over broad current ranges
CN114818831B (zh) 基于多源感知的双向锂离子电池故障检测方法及系统
CN116681962A (zh) 基于改进YOLOv5的电力设备热图像检测方法及系统
Lin et al. Simultaneous and rapid estimation of state of health and state of charge for lithium-ion battery based on response characteristics of load surges
CN116298902A (zh) 一种基于多任务学习的锂电池老化预测方法及系统
CN116486524A (zh) 基于场景识别的交流充电电子锁控制方法
CN115166532A (zh) 镍氢电池容量预测方法、装置、电子设备及存储介质
CN117973442A (zh) 基于混合神经网络的锂离子电池soc估计方法
Cao et al. An early diagnosis method for overcharging thermal runaway of energy storage lithium batteries
Ardeshiri et al. State of charge estimation of lithium-ion battery using deep convolutional stacked bidirectional LSTM
Wang et al. Joint prediction of Li-ion battery state of charge and state of health based on the DRSN-CW-LSTM model
He et al. Inconsistency modeling of lithium-ion battery pack based on variational auto-encoder considering multi-parameter correlation
Zhao et al. A multi-scale SOC estimation method for lithium-ion batteries incorporating expansion force
CN117725476A (zh) 电池健康度预测模型的训练方法、装置及储能系统
Wan et al. A voltage sensor fault diagnosis method based on long short-term memory neural networks for battery energy storage system
Vaidya et al. State of temperature detection of Li-ion batteries by intelligent gray box model
Wang et al. Lithium-ion battery face imaging with contactless walabot and machine learning
CN117350964A (zh) 一种基于跨模态多层次特征融合的电力设备检测方法
CN116577678A (zh) 一种基于阻抗谱结合czt的锂离子电池内短路检测方法
Yin et al. Voltage-fault diagnosis for battery pack in electric vehicles using mutual information

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