JP2017198542A - バッテリのパラメータ推定装置 - Google Patents
バッテリのパラメータ推定装置 Download PDFInfo
- Publication number
- JP2017198542A JP2017198542A JP2016089505A JP2016089505A JP2017198542A JP 2017198542 A JP2017198542 A JP 2017198542A JP 2016089505 A JP2016089505 A JP 2016089505A JP 2016089505 A JP2016089505 A JP 2016089505A JP 2017198542 A JP2017198542 A JP 2017198542A
- Authority
- JP
- Japan
- Prior art keywords
- battery
- parameter
- parameter estimation
- hysteresis
- model
- 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
Links
Images
Classifications
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
Landscapes
- Tests Of Electric Status Of Batteries (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Secondary Cells (AREA)
Abstract
【解決手段】過電圧モデルとヒステリシスモデルとを備えるバッテリ4の等価回路モデル21のパラメータを推定するバッテリのパラメータ推定装置1において、バッテリ4に第1の振幅を有する第1の電流と、前記第1の振幅よりも小さい第2の振幅を有する第2の電流とをそれぞれ入力し、第1の電流に応じたバッテリ4の出力に基づいて、過電圧モデルに係るパラメータを推定し、第2の電流に応じたバッテリ4の出力に基づいて、ヒステリシスモデルに係るパラメータを推定することを特徴とする。
【選択図】図1
Description
過電圧モデルとヒステリシスモデルとを備えるバッテリの等価回路モデルのパラメータを推定するバッテリのパラメータ推定装置において、
前記バッテリに第1の振幅を有する第1の電流と、前記第1の振幅よりも小さい第2の振幅を有する第2の電流とをそれぞれ入力し、
前記第1の電流に応じた前記バッテリの出力に基づいて、前記過電圧モデルに係るパラメータを推定し、
前記第2の電流に応じた前記バッテリの出力に基づいて、前記ヒステリシスモデルに係るパラメータを推定することを特徴とする。
前記第1の電流に応じた前記バッテリの出力に基づいて、前記ヒステリシスモデルに係るパラメータを固定しつつ、前記過電圧モデルに係るパラメータを推定することを特徴とする。
前記第2の電流に応じた前記バッテリの出力に基づいて、前記過電圧モデルに係るパラメータを固定しつつ、前記ヒステリシスモデルに係るパラメータを推定することを特徴とする。
前記ヒステリシスモデルに係るパラメータの推定と、前記過電圧モデルに係るパラメータの推定とを交互に繰り返すことを特徴とする。
前記バッテリに入力される電流は、M系列信号であることを特徴とする。
前記ヒステリシスモデルに係るパラメータは、前記ヒステリシスモデルにおける、電圧降下の最大範囲及び入力電流の特性により関連付けられるヒステリシス抵抗を含むことを特徴とする。
前記ヒステリシスモデルに係るパラメータは、前記ヒステリシスモデルにおける、電圧降下の最大範囲及び電圧降下の速さの特性により関連付けられるヒステリシス容量を含むことを特徴とする。
前記電圧降下の最大範囲をM(t)、前記入力電流をu(t)とした場合に、前記ヒステリシス抵抗Rh(t)を式
前記電圧降下の最大範囲をM(t)、前記電圧降下の速さをΓ(t)とした場合に、前記ヒステリシス容量Ch(t)を式
以下、実施形態1に係るバッテリのパラメータ推定装置について、図面を参照しながら詳細に説明する。本実施形態に係るバッテリのパラメータ推定装置は、電気自動車やハイブリッド電気自動車などの車両に用いられる。このような車両には、車両を駆動する電気モータ、バッテリ、これらのコントローラなどが搭載され、電気モータへの電力の供給(放電)や制動時における電気モータからの制動エネルギの回生、地上充電設備からのバッテリへの電力回収(充電)が行われる。このような充放電電流のバッテリへの出入りがあると、バッテリの内部状態が変化していき、この内部状態をバッテリのパラメータ推定装置で推定しながらモニタしていくことで、バッテリの残量など必要な情報を収集している。
図1に示されるように、パラメータ推定装置1は、パラメータ推定部10と、記憶部20と、充電率算出部30と、電荷量算出部40と、健全度算出部50とを備える。パラメータ推定部10は、電流センサ(入力検出部)2及び電圧センサ(出力検出部)3を介してバッテリ4に接続される。パラメータ推定部10は、電源装置5に接続される。
本実施形態においては、バッテリ4の内部状態を推定するためのバッテリ等価回路モデル21として、OCV、過電圧パラメータ及びヒステリシスパラメータの3つの要素を含むモデルを考える。バッテリ等価回路モデル21は、例えば、OCVに対応する電圧源と、過電圧パラメータ及びヒステリシスパラメータにそれぞれ対応するインピーダンスとが直列に接続する開回路である。開回路に流れる電流は、バッテリ4の充放電電流(i)に対応する。開回路の両端の電圧は、バッテリ4の端子電圧(v)に対応する。
過電圧パラメータは、過電圧に関するモデル(過電圧モデル)を表すパラメータである。過電圧は、バッテリ4のOCVと、バッテリ4に充放電電流が入力される際の端子電圧との差であり、バッテリ4の内部インピーダンスに起因する。バッテリ4の内部インピーダンスは、バッテリ4の電解液の電気抵抗、及び、バッテリ4の電極反応に起因するインピーダンスを含む。
ワールブルグインピーダンス(Zw)は、例えば式(4)に示すように、無限級数の和として表されうる。
ワールブルグインピーダンス(Zw)は、式(7)に示すように、連分数展開によっても表されうる。
ヒステリシスパラメータは、バッテリ4のヒステリシス現象に関するモデル(ヒステリシスモデル)を表すパラメータである。バッテリ4において、充電後と放電後とでSOC−OCV特性が異なるヒステリシス現象が発生することがある。ヒステリシス現象は電極の材料により発生し、特にリン酸リチウムを用いた場合にはヒステリシス現象の影響が大きく出る。
本実施形態においては、バッテリ等価回路モデル21で表されるシステムに連続時間システム同定法を適用して、バッテリ等価回路モデル21のパラメータが推定される。連続時間システム同定法による推定の対象となるパラメータは、過電圧モデルのR0、Rd及びτd(Cd)、並びに、ヒステリシスモデルのRh及びChである。
u(t)が入力された場合にy(t)が出力される線形時不変システムを考える。該システムの伝達関数がG(p,θ)と表される場合、u(t)とy(t)との関係は、以下の式(14)により表される。
伝達関数(G)に含まれるパラメータ(θ)は、連続時間システム同定法により推定される。パラメータの推定値をθ^とした場合、システムの出力の推定値(y^(t))は、以下の式(16)のように表される。
式(20)〜(22)により示される推定誤差信号(e(t))が最小化されるようにパラメータの推定値(θ^)を算出することにより、パラメータの推定値を真値に近づけることができる。推定誤差信号(e(t))は、例えばガウス・ニュートン法を用いた反復計算を行うことによって最小化されうる。
バッテリ4から取得される入出力データがサンプリング時刻をti(i=0、1、・・・、N)として離散的に取得される場合を考える。この場合における基底ベクトル(VD)及び推定誤差信号(eD)はそれぞれ、以下の式(25)及び(26)のように表される。
式(30)で示されるパラメータの感度関数から、パラメータの感度が定義される。ラプラス演算子(s)で表される伝達関数(G(s))を用いて、パラメータの各要素(θj)に対応する正規化パラメータ感度(以下、単に感度又はパラメータ感度ともいう)が式(31)のように定義される。
以上説明してきたように、連続時間システム同定法を用いて、バッテリ等価回路モデル21のパラメータを推定できる。パラメータの推定の精度を向上させるためには、正規化パラメータ感度が高い周波数帯域のデータを用いる方がよい。よって、パラメータの各要素を全て同時に推定するのではなく、感度が高いパラメータに限定して推定してもよい。
以上説明してきたように、バッテリ4の内部状態は、連続時間システム同定法を用いて推定されうる。本実施形態に係るパラメータ推定装置1は、パラメータの各要素を同時に推定するのではなく、入力信号に応じた感度が高い要素を選択的に推定する。このようにすることで、パラメータの推定精度を向上させることができる。以下、本実施形態に係るパラメータ推定方法について説明する。
本実施形態において、バッテリ等価回路モデル21は、ヒステリシスモデルを含む。ヒステリシスモデルは、電流の大きさによって可変となる可変抵抗を含む。バッテリ等価回路モデル21に入力される電流の大きさ(絶対値)が一定である場合、式(11)で表されるヒステリシスモデルの抵抗(Rh)は時不変となる。この場合、ヒステリシスモデルは、線形時不変のモデルとして取り扱うことができるものとなる。
パラメータ推定部10は、図8のフローチャートを実行して、1組の入出力データ(u(t)及びy(t))に基づく反復計算によってパラメータの推定値を算出する。
図9は、入力信号に応じたパラメータに限定して推定するパラメータ推定方法の一例である。パラメータ推定部10は、図9のフローチャートに沿って、振幅が比較的大きい入力信号と振幅が比較的小さい入力信号とをそれぞれ使い分けて、各入力信号に対応するパラメータを推定する。
本実施形態に係るパラメータ推定装置1は、図8及び図9に示されるフローチャートの処理を実行して、バッテリ等価回路モデル21のパラメータを推定できる。本実施形態に係るパラメータ推定方法によれば、パラメータの推定精度を高くでき、且つ、推定値の収束を速くすることができる。
図10(A)を参照して、Chの推定値の変動について説明する。比較例の一つは、振幅が比較的小さい電流信号を入力した場合に取得される入出力データのみに基づいてChを推定する場合である。この場合、図10(A)によれば、Chの推定値(破線で示される)は、パラメータ推定を繰り返すことで真値に徐々に近づく。
図10(B)を参照して、Rdの推定値の変動について説明する。比較例の一つは、振幅が比較的小さい電流信号を入力した場合に取得される入出力データのみに基づいてパラメータを推定する場合である。この場合、図10(B)によれば、Rdの推定値(破線で示される)は、パラメータ推定を繰り返すことで真値に徐々に近づくが、真値から大きく異なる値に収束する。
実施形態1では、ヒステリシスモデルのパラメータの一つであるRhを式(11)の形式で表した。実施形態2では、Rhを表す形式として式(11)以外の形式を用いる場合について説明する。実施形態1と重複する説明については省略する。
2 電流センサ(入力検出部)
3 電圧センサ(出力検出部)
4 バッテリ
5 電源装置
10 パラメータ推定部
11 出力予測部
12 誤差算出部
13 パラメータ更新部
20 記憶部
21 バッテリ等価回路モデル
30 充電率算出部
40 電荷量算出部
50 健全度算出部
Claims (11)
- 過電圧モデルとヒステリシスモデルとを備えるバッテリの等価回路モデルのパラメータを推定するバッテリのパラメータ推定装置において、
前記バッテリに第1の振幅を有する第1の電流と、前記第1の振幅よりも小さい第2の振幅を有する第2の電流とをそれぞれ入力し、
前記第1の電流に応じた前記バッテリの出力に基づいて、前記過電圧モデルに係るパラメータを推定し、
前記第2の電流に応じた前記バッテリの出力に基づいて、前記ヒステリシスモデルに係るパラメータを推定することを特徴とするバッテリのパラメータ推定装置。 - 請求項1に記載のバッテリのパラメータ推定装置において、
前記第1の電流に応じた前記バッテリの出力に基づいて、前記ヒステリシスモデルに係るパラメータを固定しつつ、前記過電圧モデルに係るパラメータを推定することを特徴とするバッテリのパラメータ推定装置。 - 請求項1又は2に記載のバッテリのパラメータ推定装置において、
前記第2の電流に応じた前記バッテリの出力に基づいて、前記過電圧モデルに係るパラメータを固定しつつ、前記ヒステリシスモデルに係るパラメータを推定することを特徴とするバッテリのパラメータ推定装置。 - 請求項1乃至3いずれか一項に記載のバッテリのパラメータ推定装置において、
前記ヒステリシスモデルに係るパラメータの推定と、前記過電圧モデルに係るパラメータの推定とを交互に繰り返すことを特徴とするバッテリのパラメータ推定装置。 - 請求項1乃至4いずれか一項に記載のバッテリのパラメータ推定装置において、
前記バッテリに入力される電流は、M系列信号であることを特徴とするバッテリのパラメータ推定装置。 - 請求項1乃至5いずれか一項に記載のバッテリのパラメータ推定装置において、
前記ヒステリシスモデルに係るパラメータは、前記ヒステリシスモデルにおける、電圧降下の最大範囲及び入力電流の特性により関連付けられるヒステリシス抵抗を含むことを特徴とするバッテリのパラメータ推定装置。 - 請求項1乃至6いずれか一項に記載のバッテリのパラメータ推定装置において、
前記ヒステリシスモデルに係るパラメータは、前記ヒステリシスモデルにおける、電圧降下の最大範囲及び電圧降下の速さの特性により関連付けられるヒステリシス容量を含むことを特徴とするバッテリのパラメータ推定装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016089505A JP6711981B2 (ja) | 2016-04-27 | 2016-04-27 | バッテリのパラメータ推定装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016089505A JP6711981B2 (ja) | 2016-04-27 | 2016-04-27 | バッテリのパラメータ推定装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2017198542A true JP2017198542A (ja) | 2017-11-02 |
JP6711981B2 JP6711981B2 (ja) | 2020-06-17 |
Family
ID=60237743
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016089505A Active JP6711981B2 (ja) | 2016-04-27 | 2016-04-27 | バッテリのパラメータ推定装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6711981B2 (ja) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20190123172A (ko) * | 2018-04-23 | 2019-10-31 | 삼성에스디아이 주식회사 | 배터리 상태 추정 방법 |
JP2020524264A (ja) * | 2018-02-01 | 2020-08-13 | エルジー・ケム・リミテッド | バッテリーのための等価回路モデルのパラメータ推定方法及びバッテリー管理システム |
JP2020524267A (ja) * | 2018-02-07 | 2020-08-13 | エルジー・ケム・リミテッド | バッテリーのための等価回路モデルのパラメータを推定する方法及びバッテリー管理システム |
CN111537887A (zh) * | 2020-04-27 | 2020-08-14 | 南京航空航天大学 | 考虑迟滞特性的混合动力系统电池开路电压模型优化方法 |
CN113196523A (zh) * | 2018-12-18 | 2021-07-30 | 松下知识产权经营株式会社 | 电池状态估计装置、电池状态估计方法以及电池系统 |
DE112020000372T5 (de) | 2019-01-11 | 2021-10-21 | Keio University | Systemerkennungsverfahren und Systemerkennungsvorrichtung |
CN113725898A (zh) * | 2021-08-16 | 2021-11-30 | 武汉大学 | 一种基于叠加m序列的双馈风力发电机变流器控制系统参数辨识方法 |
CN113728242A (zh) * | 2019-05-08 | 2021-11-30 | 特艾斯技术有限责任公司 | 对可充电电池中的析锂进行表征 |
KR20220016685A (ko) * | 2020-08-03 | 2022-02-10 | 삼성에스디아이 주식회사 | 배터리 팩의 시뮬레이션 방법 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013016188A1 (en) * | 2011-07-22 | 2013-01-31 | Navitas Solutions, Inc. | Method, system, and apparatus for battery equivalent circuit model parameter estimation |
JP2015105874A (ja) * | 2013-11-29 | 2015-06-08 | 富士通株式会社 | 関数作成プログラム、関数作成方法、関数作成装置および充電率推定プログラム |
JP2016003963A (ja) * | 2014-06-17 | 2016-01-12 | カルソニックカンセイ株式会社 | 電池モデル同定方法 |
US20160052418A1 (en) * | 2014-08-19 | 2016-02-25 | Hong Yang | Multi-step model predictive iterative techniques for battery system peak power estimation |
-
2016
- 2016-04-27 JP JP2016089505A patent/JP6711981B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013016188A1 (en) * | 2011-07-22 | 2013-01-31 | Navitas Solutions, Inc. | Method, system, and apparatus for battery equivalent circuit model parameter estimation |
JP2015105874A (ja) * | 2013-11-29 | 2015-06-08 | 富士通株式会社 | 関数作成プログラム、関数作成方法、関数作成装置および充電率推定プログラム |
JP2016003963A (ja) * | 2014-06-17 | 2016-01-12 | カルソニックカンセイ株式会社 | 電池モデル同定方法 |
US20160052418A1 (en) * | 2014-08-19 | 2016-02-25 | Hong Yang | Multi-step model predictive iterative techniques for battery system peak power estimation |
Non-Patent Citations (1)
Title |
---|
藤田 幸雄 Y. FUJITA: "自動車シミュレーションのための蓄電池モデルの検討", 平成24年 電気学会全国大会講演論文集 [CD−ROM] 平成24年電気学会全国大会講演論文集 (第, vol. 第4分冊, JPN6020009381, 23 March 2012 (2012-03-23), JP, pages 13 - 27, ISSN: 0004231307 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11269013B2 (en) | 2018-02-01 | 2022-03-08 | Lg Energy Solution, Ltd. | Method for estimating parameter of equivalent circuit model for battery, and battery management system |
JP2020524264A (ja) * | 2018-02-01 | 2020-08-13 | エルジー・ケム・リミテッド | バッテリーのための等価回路モデルのパラメータ推定方法及びバッテリー管理システム |
JP2020524267A (ja) * | 2018-02-07 | 2020-08-13 | エルジー・ケム・リミテッド | バッテリーのための等価回路モデルのパラメータを推定する方法及びバッテリー管理システム |
KR102650965B1 (ko) * | 2018-04-23 | 2024-03-25 | 삼성에스디아이 주식회사 | 배터리 상태 추정 방법 |
KR20190123172A (ko) * | 2018-04-23 | 2019-10-31 | 삼성에스디아이 주식회사 | 배터리 상태 추정 방법 |
JP2021520178A (ja) * | 2018-04-23 | 2021-08-12 | 三星エスディアイ株式会社Samsung SDI Co., Ltd. | バッテリ状態推定方法 |
JP7095110B2 (ja) | 2018-04-23 | 2022-07-04 | 三星エスディアイ株式会社 | バッテリ状態推定方法 |
US11366171B2 (en) | 2018-04-23 | 2022-06-21 | Samsung Sdi Co., Ltd. | Battery state estimation method |
CN113196523A (zh) * | 2018-12-18 | 2021-07-30 | 松下知识产权经营株式会社 | 电池状态估计装置、电池状态估计方法以及电池系统 |
DE112020000372T5 (de) | 2019-01-11 | 2021-10-21 | Keio University | Systemerkennungsverfahren und Systemerkennungsvorrichtung |
CN113728242A (zh) * | 2019-05-08 | 2021-11-30 | 特艾斯技术有限责任公司 | 对可充电电池中的析锂进行表征 |
CN111537887B (zh) * | 2020-04-27 | 2021-10-01 | 南京航空航天大学 | 考虑迟滞特性的混合动力系统电池开路电压模型优化方法 |
CN111537887A (zh) * | 2020-04-27 | 2020-08-14 | 南京航空航天大学 | 考虑迟滞特性的混合动力系统电池开路电压模型优化方法 |
KR20220016685A (ko) * | 2020-08-03 | 2022-02-10 | 삼성에스디아이 주식회사 | 배터리 팩의 시뮬레이션 방법 |
KR102471890B1 (ko) | 2020-08-03 | 2022-11-29 | 삼성에스디아이 주식회사 | 배터리 팩의 시뮬레이션 방법 |
CN113725898A (zh) * | 2021-08-16 | 2021-11-30 | 武汉大学 | 一种基于叠加m序列的双馈风力发电机变流器控制系统参数辨识方法 |
Also Published As
Publication number | Publication date |
---|---|
JP6711981B2 (ja) | 2020-06-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6711981B2 (ja) | バッテリのパラメータ推定装置 | |
EP2963434B1 (en) | Battery state estimation method and system using dual extended kalman filter, and recording medium for performing the method | |
CN107690585B (zh) | 用于确定锂硫电池组的健康状况和充电状态的方法和装置 | |
US10663523B2 (en) | Remaining stored power amount estimation device, method for estimating remaining stored power amount of storage battery, and computer program | |
JP5946436B2 (ja) | バッテリのパラメータ推定装置及びパラメータ推定方法 | |
He et al. | Comparison study on the battery models used for the energy management of batteries in electric vehicles | |
US10295607B2 (en) | Device for estimating parameters of battery, and estimation method | |
JP6130275B2 (ja) | 推定装置及び推定方法 | |
JP6450565B2 (ja) | バッテリのパラメータ推定装置 | |
Windarko et al. | SOC estimation of LiPB batteries using Extended Kalman Filter based on high accuracy electrical model | |
JP5319854B1 (ja) | パラメータ推定装置 | |
Wehbe et al. | Battery equivalent circuits and brief summary of components value determination of lithium ion: A review | |
JP2016090330A (ja) | バッテリのパラメータ推定装置 | |
JP6455914B2 (ja) | 蓄電残量推定装置、蓄電池の蓄電残量を推定する方法、及びコンピュータプログラム | |
Jiang et al. | Data-based fractional differential models for non-linear dynamic modeling of a lithium-ion battery | |
Saleem et al. | Online reduced complexity parameter estimation technique for equivalent circuit model of lithium-ion battery | |
KR101661578B1 (ko) | 듀얼확장칼만필터를 이용한 배터리 상태 추정 방법, 시스템 및 이를 수행하기 위한 기록매체 | |
KR101792537B1 (ko) | 배터리 상태 추정 장치 및 방법, 이를 수행하기 위한 기록매체 | |
Taborelli et al. | State of charge estimation using extended Kalman filters for battery management system | |
JP6755162B2 (ja) | 推定装置 | |
Nejad et al. | Enhanced state-of-charge estimation for lithium-ion iron phosphate cells with flat open-circuit voltage curves | |
Ciortea et al. | Extended Kalman Filter for state-of-charge estimation in electric vehicles battery packs | |
JP2018048913A (ja) | バッテリのパラメータ推定装置及びパラメータ推定方法 | |
JP2018084548A (ja) | 二次電池の状態推定装置及び車両 | |
Unamuno et al. | Li-ion battery modeling optimization based on Electrical Impedance Spectroscopy measurements |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190419 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200226 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20200317 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200327 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6711981 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |