CN105974323B - 一种提高电动汽车soc估算精度的算法模型 - Google Patents
一种提高电动汽车soc估算精度的算法模型 Download PDFInfo
- Publication number
- CN105974323B CN105974323B CN201610303779.3A CN201610303779A CN105974323B CN 105974323 B CN105974323 B CN 105974323B CN 201610303779 A CN201610303779 A CN 201610303779A CN 105974323 B CN105974323 B CN 105974323B
- Authority
- CN
- China
- Prior art keywords
- soc
- battery
- total capacity
- initial
- correction
- 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.)
- Expired - Fee Related
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/385—Arrangements for measuring battery or accumulator variables
- G01R31/387—Determining ampere-hour charge capacity or SoC
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
本发明公开了一种提高电动汽车SOC估算精度的算法模型,它涉及电动汽车技术领域;它具体的方法如下:(1)、初始SOC误差校正:根据上一次保存的SOC值和开路电压查表得到的SOC之间的差值,与上一次保存的电池总容量加入温度、自放电校正因子后计算的总容量的差值之间的比例关系,求出当前电池的总容量;然后结合当前电池的总容量,以及循环寿命对电池老化程度的影响,来实现初始时刻可用容量的校正,获得校正后的初始SOC值;(2)、SOC累积误差校正;本发明基于温度校正、折算库伦效率校正、自放电及SOH补偿来估算初始SOC,并采用安时积分、开路电压法相结合的累计误差校正算法,有效解决了SOC估算过程中存在初始误差和累计误差的问题。
Description
技术领域
本发明涉及电动汽车技术领域,具体涉及一种提高电动汽车SOC估算精度的算法模型。
背景技术
电池剩余容量SOC(state of charge)估算是BMS中重要的一部分,作为整车控制策略判断标准之一,SOC估算受到了很多因素的综合影响(如充放电倍率、初始SOC、环境温度、自放电等)。另外,汽车行驶过程中复杂的工况也使得SOC估算在实际应用中很难精确,所以提高电池SOC的估算精度是电池管理领域的一项研究热点。
有的SOC算法主要有放电实验法、安时积分法、开路电压法、线性模型法、神经网络法、卡尔曼滤波法等。而放电实验法的缺点是无法适应电流变化情况下的SOC估算;安时积分法的缺点是依赖于初始SOC值和容易受电池本身的自放电影响;开路电压法不适用于在线SOC实时监测,一般与其他方法相结合用于辅助修正精度;线性模拟法的缺点是只适用于SOC变化不大的***,在实际应用中比较少见;神经网络法的缺点是需要大量参考数据进行训练,估计方法受数据和方法影响很大;卡尔曼滤波算法适用各种电池***,尤其适合电流波动大工况下的动力汽车SOC估计,但是对算法设计要求较高,比较繁琐,不易于***实现。
发明内容
本发明的目的在于针对现有技术的缺陷和不足,提供一种提高电动汽车SOC估算精度的算法模型。
为了解决背景技术所存在的问题,本发明的一种提高电动汽车SOC估算精度的算法模型,它具体的方法如下:
(1)、初始SOC误差校正:
根据上一次保存的SOC值和开路电压查表得到的SOC之间的差值,与上一次保存的电池总容量加入温度、自放电校正因子后计算的总容量的差值之间的比例关系,求出当前电池的总容量;然后,结合当前电池的总容量,以及循环寿命对电池老化程度的影响,来实现初始时刻可用容量的校正,从而获得校正后的初始SOC值;
(2)、SOC累积误差校正:
通过电池离线测试建立起的引起累计误差的因素与SOC之间的关系样本空间,包含温度与SOC、不同充电电流大小的充电倍率与SOC、不同放电电流大小的放电倍率与SOC,每一种对应关系独立为一个子程序;用不同的校正因子对SOC累积误差进行补偿,其核心方法为安时积分法;
另一方面,SOC估算的精度还取决于电流采样值的精确度,在定时计算SOC动态变化值的过程中,对电流进行滑动平均滤波和中位值滤波法;
首先***获取电流平均值,以及经过初始容量预估的电池总容量和初始SOC值,得到当前电池可用容量;
其次根据当前电流值、总容量值、查充电效率表和温度表对当前电池可用容量进行校正处理,得到当前可用容量;
最后采用安时积分法,由电流平均值计算一定时间内变化的容量,从而得到实时的电池容量SOC值。
本发明有益效果为:基于温度校正、折算库伦效率校正、自放电及SOH补偿来估算初始SOC,并采用安时积分、开路电压法相结合的累计误差校正算法,并结合大量实验得出的经验值,提出细化电池工作状态,根据影响因子补偿误差SOC估算方案,从而有效解决了SOC估算过程中存在初始误差和累计误差的问题。
附图说明
图1为本发明的结构示意图;
图2为本发明中电池***初始容量预估模型的流程图;
图3为本发明中电池***SOC校正模型的流程图;
图4为实施例中电池测试仪与BMS估算SOC的示意图;
图5为实施例中SOC估算误差的示意图。
具体实施方式
下面结合附图,对本发明作进一步的说明。
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及具体实施方式,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施方式仅用以解释本发明,并不用于限定本发明。
如图1-3所示,本具体实施方式采用如下技术方案:
一、校正影响因子:
1、温度校正:温度是影响电池SOC估算的重要因素,一般而言,温度越高电解液氧化加快,电解质导电率增高,这样使得迁移内阻减小,从而使得电池放出的容量比低温时增大,在此算法中采用以下公式补偿温度对容量的影响:
QT=Q30[1+KT*(T-30)]
其中T是当前温度,QT为T温度时电池容量,KT为温度系数,经验值为0.006-0.008。
2、折算库伦效率:将不同电流的库伦效率等效到1/3C的库伦效率上,定义基准库伦效率为ηs,数值等于1/3C从电池放出电量Qsd与采用1/3C使电池SOC恢复到放电前状态所需要的电量Qsc的比值;定义充电和放电库伦效率分别为ηc和ηd,都是以任意电流In充放电过程中电量的比值。以下为三种折算库伦效率计算公式:
1/3C倍率的库伦效率:
充电库伦效率:
放电库伦效率:
3、自放电:自放电系数K定义为开路电压的差值与时间差的比值:
K=ΔOCV/Δt;
循环寿命SOH补偿:本***中采用电池累积放出的容量来衡量,电池累积放出容量达到80%作为电池一次循环,循环次数与电池出厂时循环寿命的比值作为电池寿命衰减率,电池循环寿命衰减率作为***启动阶段的校正因子。
二、具体方法:
1、初始SOC误差校正:
根据上一次保存的SOC值和开路电压查表得到的SOC之间的差值,与上一次保存的电池总容量加入温度、自放电校正因子后计算的总容量的差值之间的比例关系,求出当前电池的总容量。然后,结合当前电池的总容量,以及循环寿命对电池老化程度的影响,来实现初始时刻可用容量的校正,从而获得校正后的初始SOC值。其数学模型为:
SOC0(k)=SOC(k-1);
SOC0`(k)=f(OCV(k));
Q0(k)=Q(k-1);
Q0`(k)=Q0(k)*f(Temp(k))*f(Time(k),Temp(k));
其中,SOC是电池剩余容量,Q是总容量,f(OCV),f(Temp),f(Time,Temp),f(SOH)分别为开路电压、温度、自放电、循环寿命与电池容量的函数关系。
2、SOC累积误差校正:
通过电池离线测试建立起的引起累计误差的因素与SOC之间的关系样本空间,主要包含温度与SOC、不同充电电流大小的充电倍率与SOC、不同放电电流大小的放电倍率与SOC,每一种对应关系独立为一个子程序。用不同的校正因子对SOC累积误差进行补偿,其核心方法为安时积分法。
另一方面,SOC估算的精度还取决于电流采样值的精确度,为了达到这一目的,在定时计算SOC动态变化值的过程中,对电流进行滑动平均滤波和中位值滤波法。
首先***获取电流平均值,以及经过初始容量预估的电池总容量和初始SOC值,得到当前电池可用容量。
其次根据当前电流值、总容量值、查充电效率(放电倍率)表和温度表对当前电池可用容量进行校正处理,得到当前可用容量。
最后采用安时积分法,由电流平均值计算一定时间内变化的容量,从而得到实时的电池容量SOC值。
数学模型如下:
Q0avail(k)=f(Temp(k))*f(I(k))*Q0(k);
Qavail(k)=Q0avail(k)-I(k)*Δt;
AvailT(k)=Qavail(k)/(I(k));
其中Q0avail是电池充放电开始是的可用容量,Qavail是电池实时可用容量,AvailT是电池可使用的时间,f(I)是电流与电池容量的函数关系。
实施例
实验采用18650磷酸铁锂电芯,在1/3C倍率和常温下放电,充放电循环次数200次。将BMS估算的SOC与电池测试仪记录的实际SOC进行比较,通过对实验数据的分析,如图4、图5所示,SOC估算误差小于3.8%。通过在不同电池***的电动汽车上的实际测试,该模型可以极大的提高在复杂工况下SOC估算精度。
以上所述,仅用以说明本发明的技术方案而非限制,本领域普通技术人员对本发明的技术方案所做的其它修改或者等同替换,只要不脱离本发明技术方案的精神和范围,均应涵盖在本发明的权利要求范围当中。
Claims (1)
1.一种提高电动汽车SOC估算精度的算法模型,其特征在于:它具体的方法如下:
(1)、初始SOC误差校正:
根据上一次保存的SOC值和开路电压查表得到的SOC之间的差值,与上一次保存的电池总容量加入温度、自放电校正因子后计算的总容量的差值之间的比例关系,求出当前电池的总容量;然后,结合当前电池的总容量,以及循环寿命对电池老化程度的影响,来实现初始时刻可用容量的校正,从而获得校正后的初始SOC值;
(2)、SOC累积误差校正:
通过电池离线测试建立起的引起累计误差的因素与SOC之间的关系样本空间,包含温度与SOC、不同充电电流大小的充电倍率与SOC、不同放电电流大小的放电倍率与SOC,每一种对应关系独立为一个子程序;用不同的校正因子对SOC累积误差进行补偿,其核心方法为安时积分法;
另一方面,SOC估算的精度还取决于电流采样值的精确度,在定时计算SOC动态变化值的过程中,对电流进行滑动平均滤波和中位值滤波法;
首先***获取电流平均值,以及经过初始容量预估的电池总容量和初始SOC值,得到当前电池可用容量;
其次根据当前电流值、总容量值、查充电效率表和温度表对当前电池可用容量进行校正处理,得到当前可用容量;
最后采用安时积分法,由电流平均值计算一定时间内变化的容量,从而得到实时的电池容量SOC值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610303779.3A CN105974323B (zh) | 2016-05-09 | 2016-05-09 | 一种提高电动汽车soc估算精度的算法模型 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610303779.3A CN105974323B (zh) | 2016-05-09 | 2016-05-09 | 一种提高电动汽车soc估算精度的算法模型 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105974323A CN105974323A (zh) | 2016-09-28 |
CN105974323B true CN105974323B (zh) | 2019-04-12 |
Family
ID=56991442
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610303779.3A Expired - Fee Related CN105974323B (zh) | 2016-05-09 | 2016-05-09 | 一种提高电动汽车soc估算精度的算法模型 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105974323B (zh) |
Families Citing this family (40)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106646243A (zh) * | 2016-11-09 | 2017-05-10 | 珠海格力电器股份有限公司 | 一种蓄电池荷电状态计算方法和装置 |
KR102634815B1 (ko) * | 2016-11-22 | 2024-02-07 | 삼성전자주식회사 | 오차 보정에 기초한 배터리 상태 추정 방법 및 장치 |
CN108614216B (zh) * | 2016-12-12 | 2020-12-25 | 财团法人车辆研究测试中心 | 电池健康状态估测装置及方法 |
EP3566064B1 (en) | 2017-02-09 | 2020-10-28 | ABB Schweiz AG | State of health estimation for batteries |
CN106585422B (zh) * | 2017-02-17 | 2020-07-17 | 合肥国轩高科动力能源有限公司 | 一种动力电池soh估算方法 |
CN107450026A (zh) * | 2017-07-06 | 2017-12-08 | 惠州晟芯源科技有限公司 | 一种无人机用动力电池soc估算方法 |
CN107991618A (zh) * | 2017-11-21 | 2018-05-04 | 惠州市蓝微电子有限公司 | 一种soc估算方法及装置 |
CN107991623B (zh) * | 2017-11-27 | 2020-05-08 | 山东大学 | 一种考虑温度和老化程度的电池安时积分soc估计方法 |
TWI628453B (zh) * | 2018-01-19 | 2018-07-01 | 新盛力科技股份有限公司 | 電池容量的預估方法 |
CN108828446A (zh) * | 2018-04-20 | 2018-11-16 | 西南科技大学 | 一种老化过程对容量影响的修正方法 |
CN108680867B (zh) * | 2018-05-21 | 2020-07-10 | 合肥工业大学 | 一种基于容量修正的全钒液流电池soc在线校准方法 |
CN110888074B (zh) * | 2018-08-15 | 2022-02-01 | 上海汽车集团股份有限公司 | 用于soc初始值计算的电压确定方法及装置 |
CN109407013B (zh) * | 2018-09-29 | 2020-12-18 | 广州小鹏汽车科技有限公司 | 一种备用电池电量状态监测电路及方法 |
DE102018217625A1 (de) * | 2018-10-15 | 2020-04-16 | Continental Automotive Gmbh | Verfahren zum Betrieb eines Batteriesensors und Batteriesensor |
CN109061521B (zh) * | 2018-10-30 | 2021-03-16 | 四川长虹电源有限责任公司 | 蓄电池组荷电状态计算方法及*** |
CN109521370B (zh) * | 2018-11-20 | 2021-08-06 | 厦门科灿信息技术有限公司 | 一种电池soc获取方法、***、装置及可读存储介质 |
CN111289898B (zh) * | 2018-12-06 | 2022-02-11 | 中国科学院大连化学物理研究所 | 一种金属/空气电池剩余电量估算方法 |
CN109633451B (zh) * | 2018-12-19 | 2021-05-28 | 东莞钜威动力技术有限公司 | 储能***自轨迹参数标定方法及soc估算方法 |
CN109581242A (zh) * | 2018-12-28 | 2019-04-05 | 蜂巢能源科技有限公司 | 荷电状态soc的误差估算方法及*** |
CN109633457B (zh) * | 2019-02-22 | 2022-01-28 | 上海度普新能源科技有限公司 | 一种剩余电量的获取方法及获取*** |
CN109782210B (zh) * | 2019-03-11 | 2021-05-11 | 威马智慧出行科技(上海)有限公司 | 电动汽车电池管理***的电流传感器校正方法及电子设备 |
CN110058177B (zh) * | 2019-05-06 | 2021-08-31 | 奇瑞新能源汽车股份有限公司 | 一种动力电池电量soc修正方法 |
CN112415410A (zh) * | 2019-08-23 | 2021-02-26 | 比亚迪股份有限公司 | 估算电池soc的方法和装置、存储介质和车辆 |
CN110632520A (zh) * | 2019-10-17 | 2019-12-31 | 西安工业大学 | 一种动力电池soc的估算装置及其估算方法 |
CN110988721B (zh) * | 2019-11-25 | 2023-07-11 | 安徽绿沃循环能源科技有限公司 | 一种锂电池包软件保护板soc精度检测方法 |
CN111114388A (zh) * | 2020-01-02 | 2020-05-08 | 安徽锐能科技有限公司 | 结合温度的补电式主动均衡控制方法、装置及存储介质 |
CN111211593A (zh) * | 2020-01-02 | 2020-05-29 | 安徽锐能科技有限公司 | 考虑温度的均衡控制策略、装置及存储介质 |
CN111220922A (zh) * | 2020-01-21 | 2020-06-02 | 海马汽车有限公司 | 电池soc估算方法和装置 |
CN113533964B (zh) * | 2020-03-30 | 2024-02-13 | 郑州深澜动力科技有限公司 | 一种显示荷电状态的计算方法及装置 |
CN111679212B (zh) * | 2020-06-19 | 2022-10-14 | 中国电力科学研究院有限公司 | 计算电池在不同温度和充放电倍率下soc的方法及***和装置 |
CN111707947B (zh) * | 2020-07-28 | 2022-07-29 | 深圳市福光动力通信设备有限公司 | 在线识别电池容量并迭代校准的方法与装置 |
CN112816878B (zh) * | 2021-01-04 | 2024-03-01 | 浙江南都电源动力股份有限公司 | 一种soc估算方法、装置及*** |
CN113156316B (zh) * | 2021-04-26 | 2023-11-07 | 太仓中科赛诺新能源科技有限公司 | 盐水电池soc估算算法 |
CN113484762B (zh) * | 2021-07-16 | 2024-05-14 | 东风柳州汽车有限公司 | 电池健康状态估算方法、装置、设备及存储介质 |
CN113866639A (zh) * | 2021-09-01 | 2021-12-31 | 上海德朗能电子科技有限公司 | 一种基于电流积分加电压校正的soc校正方法 |
CN114035049A (zh) * | 2021-11-08 | 2022-02-11 | 东软睿驰汽车技术(沈阳)有限公司 | Soh精度的计算方法、装置和电子设备 |
CN114594394A (zh) * | 2022-02-10 | 2022-06-07 | 福建时代星云科技有限公司 | 一种电动汽车可用容量校准方法及终端 |
CN115372836A (zh) * | 2022-04-02 | 2022-11-22 | 深圳市德兰明海科技有限公司 | 一种soc估计方法、移动电源及可读存储介质 |
CN115015787B (zh) * | 2022-08-09 | 2022-11-18 | 深圳国瑞协创储能技术有限公司 | 一种电池soc补偿方法、装置、设备及计算机可读存储介质 |
CN116224087B (zh) * | 2023-05-10 | 2023-08-08 | 江苏阿诗特能源科技有限公司 | 一种电池储能***及其soc估算方法和装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102062841A (zh) * | 2009-11-11 | 2011-05-18 | 北汽福田汽车股份有限公司 | 动力电池荷电状态的估测方法及*** |
CN102662148A (zh) * | 2012-05-09 | 2012-09-12 | 中国农业大学 | 在线反馈式蓄电池soc预测方法 |
CN103018679A (zh) * | 2012-12-10 | 2013-04-03 | 中国科学院广州能源研究所 | 一种铅酸电池初始荷电状态soc0的估算方法 |
CN103529396A (zh) * | 2013-10-25 | 2014-01-22 | 重庆长安汽车股份有限公司 | 一种高精度锂离子电池荷电状态初始值估算方法 |
CN104241713A (zh) * | 2013-06-18 | 2014-12-24 | 北汽福田汽车股份有限公司 | 动力电池的荷电状态soc修正方法及装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9128162B2 (en) * | 2012-09-19 | 2015-09-08 | Apple Inc. | Estimating state of charge (SOC) and uncertainty from relaxing voltage measurements in a battery |
JP2015038444A (ja) * | 2013-08-19 | 2015-02-26 | 株式会社東芝 | 二次電池の残量推定方法及びその装置 |
KR101529515B1 (ko) * | 2014-06-12 | 2015-06-17 | 국방과학연구소 | Mmae-ekf를 이용한 배터리의 soc 추정 방법 및 그 장치 |
-
2016
- 2016-05-09 CN CN201610303779.3A patent/CN105974323B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102062841A (zh) * | 2009-11-11 | 2011-05-18 | 北汽福田汽车股份有限公司 | 动力电池荷电状态的估测方法及*** |
CN102662148A (zh) * | 2012-05-09 | 2012-09-12 | 中国农业大学 | 在线反馈式蓄电池soc预测方法 |
CN103018679A (zh) * | 2012-12-10 | 2013-04-03 | 中国科学院广州能源研究所 | 一种铅酸电池初始荷电状态soc0的估算方法 |
CN104241713A (zh) * | 2013-06-18 | 2014-12-24 | 北汽福田汽车股份有限公司 | 动力电池的荷电状态soc修正方法及装置 |
CN103529396A (zh) * | 2013-10-25 | 2014-01-22 | 重庆长安汽车股份有限公司 | 一种高精度锂离子电池荷电状态初始值估算方法 |
Non-Patent Citations (1)
Title |
---|
基于安时积分法的电池SOC估算误差校正;鲍慧 等;《计算机仿真》;20131130;第30卷(第11期);第148-151页 |
Also Published As
Publication number | Publication date |
---|---|
CN105974323A (zh) | 2016-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105974323B (zh) | 一种提高电动汽车soc估算精度的算法模型 | |
CN107422269B (zh) | 一种锂电池在线soc测量方法 | |
JP5511951B2 (ja) | 充電状態推定装置 | |
Xiong et al. | Model-based state of charge and peak power capability joint estimation of lithium-ion battery in plug-in hybrid electric vehicles | |
CN105116343B (zh) | 最小二乘支持向量机的动力电池电荷状态估计方法及*** | |
Li et al. | A comparative study of state of charge estimation algorithms for LiFePO4 batteries used in electric vehicles | |
CN104535934B (zh) | 在线前馈补偿的动力电池电荷状态估计方法与*** | |
CN109683101A (zh) | 一种基于soc-ocv曲线获得电池剩余能量的方法 | |
JP5393176B2 (ja) | バッテリシステム及び入出力電力推定方法 | |
Zheng et al. | A capacity prediction framework for lithium-ion batteries using fusion prediction of empirical model and data-driven method | |
CN102540096A (zh) | 一种用于磷酸铁锂动力电池剩余容量估算自修正的方法 | |
Li et al. | A novel parameter and state-of-charge determining method of lithium-ion battery for electric vehicles | |
Zhang et al. | A battery State of Charge estimation method with extended Kalman filter | |
Xiong et al. | Data-driven state-of-charge estimator for electric vehicles battery using robust extended Kalman filter | |
CN109085505A (zh) | 一种动力电池充放电状态估算方法 | |
CN103675704A (zh) | 电池容量评估方法 | |
CN102289557A (zh) | 一种电池模型参数与剩余电量联合异步在线估计方法 | |
US10436849B2 (en) | System and corresponding method for estimating the charge status of a battery | |
CN108693483A (zh) | 一种电池包荷电状态的计算方法及*** | |
CN109633470B (zh) | 基于ekf-gpr和日常片段数据的电池实时全充时间的估算方法 | |
CN102298118A (zh) | 一种电池模型参数与剩余电量联合同步在线估计方法 | |
CN111965548B (zh) | 一种基于状态估计法的电池***传感器故障诊断方法 | |
CN108318823B (zh) | 一种基于噪声跟踪的锂电池荷电状态估算方法 | |
CN112666475B (zh) | 一种电动车的电池组的荷电状态估算方法 | |
CN116699415B (zh) | 一种动态可重构电池***电量估计方法、***及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190412 Termination date: 20200509 |
|
CF01 | Termination of patent right due to non-payment of annual fee |