Analysis of influencing factors of electrostatic detection system based on double electrode

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

This study aims to explore the influence of various factors of the electrostatic induction system on the object information of double-electrode electrostatic detection. Based on the principle of electrostatic induction, we first establish a system model and a mathematical model for single-electrode electrostatic detection. We analyze the effect of various factors on the target information of single-electrode electrostatic detection. On this basis, a novel double-electrode electrostatic detection model is introduced, and detection rational is explained in detail. A comparative study using theory and computer simulation is conducted. The results show that the novel double-electrode electrostatic detection system performs significantly better than its single-electrode counterpart. We also observe that the vertical detection distance has a greater impact on the detection performance compared to the interval between the two electrodes. Moreover, we find that the vertical detection distance and the interval between the two electrodes have a much more substantial influence on the electrostatic detection performance than other intrinsic factors.

About the authors

Hong Chen

North University of Science and Technology

Email: cz_chenhong@126.com
Nanjing, China

Bingting Zha

North University of Science and Technology

Email: zhabingting@163.com
Nanjing, China

Chengjun Wang

North University of Science and Technology

Nanjing, China

Qi Zhong

North University of Science and Technology

Nanjing, China

References

  1. Gorlov M.I., Strogonov A.V., Vinokurov A.A. Benchmarking the Reliability of the Consignments of Semiconductor Articles Using Electrostatic Discharges // Russian Journal of Nondestructive Testing. 2018. V. 54. P. 455-461.
  2. Song C.L., Teongsan Y. Effective Electrostatic Discharge detection in equipment via EMI // Proceedings of the IEEE/CPMT International Electronics Manufacturing Technology Symposium. 2008. V. 1. P. 1-4.
  3. Dong Wang, Bo Xiong. Simulation Analysis of Electrostatic Field Detection of Moving Target // Journal of Naval Aeronautical and Astronautical University. 2017. V. 32. No. 4. P. 411- 415.
  4. Fisher J., Hoole P.R., Pirapaharan K. et al. Pre-Lightning Strikes and Aircraft Electrostatics // Matec Web of Conferences. 2017. V. 87.
  5. Kobayashi T., Oyama S., Makimoto N. et al. An electrostatic field sensor operated by self-excited vibration of MEMS-based self-sensitive piezoelectric microcantilevers // Sensors and Actuators A: Physical. 2013. V. 198. P. 87-90.
  6. Noras M.A., Ramsey S.P., Rhoades B.B. Projectile detection using quasi-electrostatic field sensor array // Journal of Electrostatics. 2013. V. 71 (3). P. 220-223.
  7. Trinks H. Electric field detection and ranging of aircraft // IEEE on Aerospace and Electric System. 1982. V. 3. P. 268-273.
  8. Kimoto A., Ichinose Y., Shida K. A new sensing method using contact voltage for material discrimination // Sensors and Actuators A: Physical. 2009. V. 149. No. 1. P. 1-6.
  9. Kurita K., Morinaga S. Noncontact Detection of Movements of Standing Up From and Sitting Down on a Chair Using Electrostatic Induction // IEEE Sensors Journal. 2019. V. 19 (19). P. 8934-8939.
  10. Yinlin Li, Zhanzhong Cui, Yuxian Bai, Jusheng Shi. Charge-Inducing Electrostatic Fuze Detecting Technology // Journal of Beijing Institute of Technology. 1999. (S1). P. 3-5.
  11. Weixin Li, Haidong Wu, Yuelong Liu, Haitao Wang. Research on Energy Loss of Fuze Setting System Based on Magnetic Resonant Coupling in Complex Environment // Journal of Test and Measurement Technology. 2016. V. 30 (04). P. 341-346.
  12. Liqing Fang, Kai Chen, Hongkai Wang, Lei Zhang. Application of Passive Non-Contact Electrostatic Detection in Composite Fuze // Ordnance Industry Automation. 2012. V. 31 (12). P. 85-87.
  13. Bo Xiong, Yunlong Dong, Dong Wang Weixin, Li. Analysis of Main Influence Factors on Electrostatic Fuse Detection // Journal of Naval Aeronautical and Astronautical University. 2019. V. 34 (06). P. 465-469.
  14. Yanxu Li, Lixin Xu. Study of a Novel Electrostatic Detection Sensor // Applied Mechanics & Materials. 2012. V. 110-116. P. 5476-5482.
  15. Shiryaeva S.O., Grigor'ev A.I. On the stability of a bending mode of a charged jet of viscous dielectric liquid with the ultimate electroconductivity in a collinear electric field // Surface Engineering & Applied Electrochemistry. 2011.
  16. Dong Wang, Bo Xiong, Weixin Li. Simulation Analysis of Influencing Factors of Electrostatic Detection // Journal of Ordnance Equipment Engineering. 2017. No. 12. P. 272-277.

Supplementary files

Supplementary Files
Action
1. JATS XML

Copyright (c) 2023 Russian Academy of Sciences

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».