CN114137325A - 一种非接触式静电电位分布测试的仿生电路及方法 - Google Patents
一种非接触式静电电位分布测试的仿生电路及方法 Download PDFInfo
- Publication number
- CN114137325A CN114137325A CN202111443828.0A CN202111443828A CN114137325A CN 114137325 A CN114137325 A CN 114137325A CN 202111443828 A CN202111443828 A CN 202111443828A CN 114137325 A CN114137325 A CN 114137325A
- Authority
- CN
- China
- Prior art keywords
- electrostatic
- circuit
- electrostatic potential
- induction
- array
- 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
- 238000005421 electrostatic potential Methods 0.000 title claims abstract description 120
- 238000012360 testing method Methods 0.000 title claims abstract description 93
- 238000009826 distribution Methods 0.000 title claims abstract description 79
- 238000000034 method Methods 0.000 title claims abstract description 38
- 239000011664 nicotinic acid Substances 0.000 title claims abstract description 26
- 230000006698 induction Effects 0.000 claims abstract description 160
- 230000001629 suppression Effects 0.000 claims abstract description 79
- 238000012545 processing Methods 0.000 claims abstract description 35
- 238000003491 array Methods 0.000 claims abstract description 18
- 230000005284 excitation Effects 0.000 claims description 41
- 239000002184 metal Substances 0.000 claims description 27
- 230000009471 action Effects 0.000 claims description 18
- 238000005070 sampling Methods 0.000 claims description 18
- 230000003068 static effect Effects 0.000 claims description 18
- 230000003321 amplification Effects 0.000 claims description 15
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 15
- 238000003384 imaging method Methods 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 9
- 239000011810 insulating material Substances 0.000 claims description 7
- 230000000007 visual effect Effects 0.000 claims description 7
- 238000010998 test method Methods 0.000 claims description 5
- 239000004020 conductor Substances 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 238000009499 grossing Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 13
- 230000008569 process Effects 0.000 description 10
- 230000002829 reductive effect Effects 0.000 description 10
- 238000004088 simulation Methods 0.000 description 9
- 230000001965 increasing effect Effects 0.000 description 6
- 101100112673 Rattus norvegicus Ccnd2 gene Proteins 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 239000003990 capacitor Substances 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 230000002238 attenuated effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000005684 electric field Effects 0.000 description 2
- 230000005686 electrostatic field Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 229920000049 Carbon (fiber) Polymers 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000013529 biological neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000004917 carbon fiber Substances 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 239000003989 dielectric material Substances 0.000 description 1
- 238000004924 electrostatic deposition Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 239000012212 insulator Substances 0.000 description 1
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000009659 non-destructive testing Methods 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000010791 quenching Methods 0.000 description 1
- 238000009738 saturating Methods 0.000 description 1
- 238000009966 trimming Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R29/00—Arrangements for measuring or indicating electric quantities not covered by groups G01R19/00 - G01R27/00
- G01R29/12—Measuring electrostatic fields or voltage-potential
- G01R29/14—Measuring field distribution
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R29/00—Arrangements for measuring or indicating electric quantities not covered by groups G01R19/00 - G01R27/00
- G01R29/24—Arrangements for measuring quantities of charge
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
Abstract
本发明公开了一种非接触式静电电位分布测试的仿生电路及方法,该电路包括静电感应电极阵列,包括N个静电感应电极;感应信号放大电路阵列包括与N个静电感应电极以及一对一连接的N个信号放大电路;侧抑制网络电路阵列包括N个侧抑制电路,各侧抑制电路包括两个N输入端N输出端的模拟开关交叉阵列,且每个输出端连接一侧抑制权重子电路;N个信号放大电路输出端与模拟开关交叉阵列多对多全连接;侧抑制权重子电路分别连接一放大器的正向输入端或反向输入端,放大器反向输入端与输出端之间连接电阻R‑,正向输入端经电阻R+接地;微控制器阵列包括与N个侧抑制网络电路一对一连接的N个微控制器;且与模拟开关交叉阵列和侧抑制权重子电路连接。
Description
技术领域
本发明涉及静电电位分布测试技术领域,具体涉及一种非接触式静电电位分布测试的仿生电路及方法。
背景技术
非接触式静电电位测试是基于静电感应原理,通过测量带电体与感应电极之间的畸变静电场,间接得到带电体的静电电位,现有利用非接触式静电电位传感器,实现静电电位空间分布的高分辨测试方法主要有单传感器扫描和多传感器并行两种,其中,
单传感器扫描方式通过减小扫描步长提高测试结果的空间分辨率,但伴随增加的测试量使整体测试速度大幅降低,难以同时提高测试速度和空间分辨率。
多传感器并行方式使用传感器阵列,测试速度较快,但由于每个传感器的测试电极都有独立的接地屏蔽筒,会引起被测带电体的对地等效电容增大,导致测试电极上的静电感应信号衰减,当衰减到调理放大电路的灵敏度以下时,感应信号将被本底噪声淹没而无法拾取。
另外为了提高非接触式静电电位传感器测量结果的空间分辨率,需要降低感应电极的物理尺寸,从而导致感应电极与被测带电体之间的等效耦合电容降低,达到皮法甚至飞法量级,这就要求信号放大电路器兼具极小的输入电容和极高的输入电阻,低输入电容用于匹配等效耦合电容以提高分压比和灵敏度,高输入电阻用于减少电荷泄漏以提高测试结果衰减的时间系数,这是限制非接触式静电电位测试方法空间分辨率提升的瓶颈问题。
因此,放大电路的灵敏度限制了传感器阵列的电极尺寸和阵列密度,不能单纯的依靠缩小电极尺寸、增加阵列密度的方式提升并行测试的空间分辨率。
有鉴于此,在阵列密度一定的前提下,如何从相对稀疏的感应信号中恢复出高分辨率的电位分布信息,是本技术所要解决的关键问题。
发明内容
为了解决上述技术问题,本发明所采用的技术方案是提供了一种非接触式静电电位分布测试的仿生电路,包括:
静电感应电极阵列、感应信号放大电路阵列、侧抑制网络电路阵列和微控制器阵列;其中
静电感应电极阵列包括N个静电感应电极;
感应信号放大电路阵列包括与N个静电感应电极一对一连接的N个信号放大电路;
侧抑制网络电路阵列包括N个侧抑制电路,每个侧抑制电路包括两个N输入端N输出端的模拟开关交叉阵列,两个模拟开关交叉阵列每个输出端连接一侧抑制权重子电路;N个信号放大电路输出端与两个模拟开关交叉阵列多对多的全连接;所述侧抑制权重子电路由一个模拟多路开关和k个不同阻值的电阻组成;其中一个模拟开关交叉阵列对应连接的N个侧抑制权重子电路输出端连接第一运算放大器的正向输入端,另一个模拟开关交叉阵列对应连接的N个侧抑制权重子电路输出端连接第一运算放大器的反向输入端,第一运算放大器反向输入端与输出端之间连接电阻R-,正向输入端经电阻R+接地;
微控制器阵列包括与侧抑制网络电路阵列一对一连接的N个微控制器;且微控制器通过数字信号总线分别与其前端连接的两个模拟开关交叉阵列和2N个侧抑制权重子电路连接。
本发明还提供了一种基于上述非接触式静电电位分布测试的仿生电路的非接触式静电电位分布测试的系统,包括:
静电电位传感器,通过将非接触式静电电位分布测试的仿生电路集成至电路板构成;静电电位传感器通过转接板连接到所述机械臂末端法兰,用于在机械臂的带动下,在被测件表面三维空间内扫描,在被测件表面由于静电荷或者交/直流激励信号的作用产生的电位梯度空间内运动产生感应信号并进行采样和处理;
计算机,与示波器连接,用于通过所述示波器对使用上述静电电位传感器采集并处理后的感应信号的数字化采集、处理、和存储,进行静电电位三维空间分布的非接触式测试成像,为用户提供可视化控制操作,并对所述机械臂的运行进行控制;
机械臂,通过其控制柜连接到所述计算机,其中,所述控制柜中包括示教器,用于通过所述示教器在机械臂初始化之前对静电电位传感器的静电感应电极前端的坐标系即用户坐标系进行标定,在所述计算机的控制下带动静电电位传感器进行运动;
交/直流激励信号源,用于在需要时向被测件表面空间施加交/直流激励信号;
示波器,与所述静电电位传感器连接,用于接收并显示所述静电电位传感器中各产生的N个感应信号。
本发明还提供了一种基于上述非接触式静电电位分布测试的系统的非接触式静电电位分布测试方法,包括步骤
通过计算机对机械臂的运行进行控制;具体包括:
利用机械臂的Python SDK的逆解函数接口,基于标定的用户坐标系,对被测件表面的扫描路径进行运动轨迹坐标求解,对所述机械臂的运行进行控制;
通过机械臂的示教器在机械臂初始化之前对静电电位传感器的静电感应电极阵列前端的坐标系即用户坐标系进行标定,在所述计算机的控制下带动静电电位传感器进行运动;具体地,所述机械臂通过Python编程接口接受所述计算机的控制,在所述计算机的控制下带动静电电位传感器进行运动;
通过静电电位传感器在机械臂的带动下,在被测件表面三维空间内扫描,在被测件表面由于静电荷或者交/直流激励信号的作用产生的电位梯度的空间内运动产生感应信号并进行采样和处理;
在需要时通过交/直流激励信号源向被测件表面空间施加交/直流激励信号;
通过示波器接收并显示所述静电电位传感器中各静电感应电极采集的感应信号;
通过计算机对所述示波器的静电电位传感器的各感应信号进行数字化采集、处理、和存储,进行静电电位三维空间分布的非接触式测试成像。
本发明感应信号放大电路阵列兼具极小的输入电容和极高的输入电阻,从而大大降低了测试系统对静电感应电极尺寸的要求,提升了静电感应电极的阵列密度,基于多传感器并行测试方式,能够使得测试速度成倍增加,解决了非接触式静电测试速度低的问题;进而,利用侧抑制仿生电路提高了多通道感应信号阵列的对比度,从而实现了从相对稀疏的感应信号中恢复出高分辨率的电位分布信息,解决非接触式静电测试空间分辨率低的问题。因此,本实施例电路解决了非接触式静电电位分布测试的测试速度和空间分辨率难以同时提高的技术难题。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,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,还可以根据这些附图获得其他的附图。
图1是本发明实施例的非接触式静电电位分布测试的仿生电路的结构示意图;
图2为本发明案例中发明实施例的侧抑制电路结构图;
图3为本发明案例中本发明侧抑制权重子电路结构结构图;
图4为本发明实施例的静电感应电极与信号放大电路示意图;
图5为本发明实施例的静电感应电极与信号放大电路连接图;
图6为本发明案例中当模拟开关阵列和多路开关选定某一位置侧抑制电路的原理简图;
图7为本发明案例中侧抑制电路的原理图;
图8为本发明案例中仿真结果图;
图9是本发明实施例的非接触式静电电位分布测试系统的示意图;
图10是本发明实施例的静电电位传感器与机械臂连接示意图;
图11本发明实施例的法兰转接板俯视图;
图12本发明实施例的空间定位与数据处理算法流程的示意图;
图13是本发明实施例的非接触式静电电位分布测试方法的流程图;
图14是本发明提供的计算机设备结构框图。
具体实施方式
本发明通过提出的多传感器并行设置,联合使用侧抑制仿生电路的测试方式,解决了非接触式静电电位分布测试的测试速度和空间分辨率难以同时提高的技术难题。
下面将结合实施例对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明的描述中,需要理解的是,术语"中心"、"纵向"、"横向"、"长度"、"宽度"、"厚度"、"上"、"下"、"前"、"后"、"左"、"右"、"竖直"、"水平"、"顶"、"底"、"内"、"外"、"顺时针"、"逆时针"等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,术语"第一"、"第二"仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有"第一"、"第二"的特征可以明示或者隐含地包括一个或者更多个所述特征。在本发明的描述中,"多个"的含义是两个或两个以上,除非另有明确具体的限定。此外,术语"安装"、"相连"、"连接"应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
下面结合具体实施方式和说明书附图对本发明做出详细的说明。
仿生电路实施例
根据本发明实施例,提供了一种非接触式静电电位分布测试的仿生电路,如图1所示,为本实施例提供的非接触式静电电位分布测试的仿生电路结构示意框图,根据本发明实施例的非接触式静电电位分布测试的仿生电路,包括的:
静电感应电极阵列、感应信号放大电路阵列、侧抑制网络电路阵列和微控制器阵列;其中
静电感应电极阵列包括N个静电感应电极。所述静电感应电极,均用于以预定的空间精度和预定的速度精度在被测件表面三维空间内扫描,在被测件表面由于静电荷或者交/直流激励信号的作用产生的电位梯度的空间内运动产生感应信号;
本实施例静电感应电极是利用柔性印刷电路板工艺(FPC),通过FPC座连接到由感应信号放大电路阵列、侧抑制网络电路阵列和微控制器阵列构成的电路板。
感应信号放大电路阵列包括与N个静电感应电极意义一对一连接的N个信号放大电路。
如图2所示,N个侧抑制电路,每个侧抑制电路包括两个N输入端N输出端的模拟开关交叉阵列,两个模拟开关交叉阵列每个输出端连接一侧抑制权重子电路;N个信号放大电路输出端与两个模拟开关交叉阵列多对多的全连接,其中,模拟开关交叉阵列选择,ANALOG公司的ADV3228多路复用器实现。
微控制器阵列包括微控制器阵列包括与侧抑制网络电路阵列一对一连接的N个微控制器。
如图3所示,侧抑制权重子电路由一个模拟多路开关和k个不同阻值的电阻组成,不同阻值代表不同的侧抑制权值,侧抑制权值不同,此路信号对整体输出的影响也就不同;其中一个模拟开关交叉阵列对应连接的N个侧抑制权重子电路输出端连接第一运算放大器的正向输入端,另一个模拟开关交叉阵列对应连接的N个侧抑制权重子电路输出端连接第一运算放大器的反向输入端,第一运算放大器反向输入端与输出端之间连接电阻R-,正向输入端经电阻R+接地;第一运算放大器输出端接微控制器;其中,模拟多路开关选择ANALOG公司的ADG708多路复用器实现。
各微控制器通过数字信号总线分别与其前端连接的两个模拟开关交叉阵列和2N个侧抑制权重子电路连接,实现控制与其相对应的侧抑制电路中两个模拟开关交叉阵列和各模拟多路开关的选通,即实现侧抑制路径和权重(侧抑制权值)的在线控制,并通过其内嵌的模数转换器对侧抑制电路输出模拟信号的数字化采集与存储、传输。
数字信号总线可为SPI、IIC、UART等。
本实施例中N至少为2,考虑到机械臂挂重及静电感应电极阵列形成电路板集大小对被测件表面扫描的影响,限定N不得超过100。
本实施例,静电感应电极阵列中N个静电感应电极同时在被测件表面三维空间内扫描,根据在被测件表面由于静电荷或者交/直流激励信号的作用产生的电位梯度空间内运动产生感应信号对应输入至各信号放大电路进行处理,每一个模拟开关交叉阵列都会接收到所有感应信号放大电路阵列的模拟信号输出,根据微控制器控制模拟开关交叉阵列选通,模拟信号输入至对应连接的侧抑制权重子电路,并经过侧抑制权重子电路内模拟多路开关的选择的通路,信号输出连接到第一运算放大器,第一运算放大器与电阻R+、电阻R-实现静电感应信号的加权求和运算,实现了仿生侧抑制原理。
本实施例电路,感应信号放大电路阵列兼具极小的输入电容和极高的输入电阻,从而大大降低了测试系统对静电感应电极尺寸的要求,提升了静电感应电极的阵列密度,基于多传感器并行测试方式,能够使得测试速度成倍增加,解决了非接触式静电测试速度低的问题;进而,利用侧抑制仿生电路提高了多通道感应信号阵列的对比度,从而实现了从相对稀疏的感应信号中恢复出高分辨率的电位分布信息,解决非接触式静电测试空间分辨率低的问题。因此,本实施例电路解决了非接触式静电电位分布测试的测试速度和空间分辨率难以同时提高的技术难题。
本实施例优选,如图4-5所示,静电感应电极为同轴感应电极,包括前端的静电感应板、中间的金属内芯和外包的金属屏蔽层组成,感应板的后面被金属屏蔽层包裹。具体为静电感应板与金属内芯连接,包裹在静电感应板与金属内芯外围的金属屏蔽层,静电感应电极前端的静电感应板前端开放设置;
信号放大电路包括第二运算放大器,第二运算放大器正向输入端接静电感应电极的金属内芯;连接在第二运算放大器反向输入端与输出端间的负反馈增益控制子电路;连接在第二运算放大器输出端与静电感应电极金属屏蔽层间的正反馈有源保护驱动子电路;及连接在第二运算放大器正向输入端与静电感应电极的金属内芯间的直流偏执与自举反馈子电路;
直流偏执与自举反馈子电路包括串接的第一电阻Rb1和第二电阻Rb2,第一电阻Rb1和第二电阻Rb2的另一端分别接静电感应电极金属内芯和接地,第一电阻Rb1和第二电阻Rb2共同端经第一电容Cb接第二运算放大器输出端,第二运算放大器正向输入端还接静电感应电极输入端。
正反馈有源保护驱动子电路,由第三运算放大器、第三电阻Rn1、第四电阻Rn2和第二电容Cn构成;第三运算放大器的输出端与所述第三电阻Rn1都通过所述第二电容Cn接静电感应电极屏蔽层,第三电阻Rn1另一端与第四电阻Rn2接第三运算放大器的负向输入端,第四电阻Rn2另一端接地,第三运算放大器的正向输入端接第二运算放大器输出端。
连接在所述第二运算放大器负向输入端与输出端间的负反馈增益控制子电路,负反馈增益控制子电路包括串接的第五电阻RL1和第六电阻RL2,第五电阻RL1和第六电阻RL2共同端经导线接第二运算放大器负向输入端,第五电阻RL1和第六电阻RL2的另一端分别接接地和第二运算放大器输出端。
静电感应电极金属内芯接第二运算放大器正向输入端;静电感应板基于静电感应原理来感应前面区域的空间电场,感应信号通过金属内芯连接到信号放大电路的第二运算放大器正向输入端,金属屏蔽层连接到正反馈有源保护驱动子电路,在电路驱动下,减少静电感应信号在金属内芯传导过程中的衰减。
本实施例正反馈有源保护驱动子电路中静电感应电极的金属屏蔽层与金属内芯并列放置,其之间自然形成等效电容组作用,可将电路输出信号正反馈到电路输入端,从而降低电路等效输入电容并减小杂散电容,最大程度地降低静电感应电极的泄漏电流和工频干扰。负反馈增益控制子电路用于控制放大器的放大倍数。正反馈自举子电路在自举电容决定的低频信号段减少放大器正向输入端的泄露电流,提升等效输入电阻。直流偏置子电路提供可控的直流泄露通道防止放大器饱和。本部分利用有源保护、自举和直流偏置等正反馈电路放大技术,有效提高了感应电路的输入阻抗(达到1012欧姆量级)并降低了输入电容(达到10-15法拉量级),使得静电感应电极的静电感应板直径降到0.1mm时,信号放大电路仍然能够有效拾取静电感应信号。
本实施例信号放大电路的设计使得利用本发明设计的静电感应电极阵列的通道数量大大提升,N通道扫描的速度是单通道扫描速度的N倍,解决了非接触式静电电位分布测试的测试速度的问题;
本实施例,在上述设置的静电感应电极阵列结构的基础,结合设计连接的侧抑制网络电路阵列和微控制器阵列构建侧抑制仿生电路,用以实现提高多通道测试结果的空间分辨率,具体的当模拟开关阵列和多路开关选定某一位置后,本电路待测电位的计算具体如下式:
其中,Rx=R1//…//Rn//R+,Ry=Rn+1//Rn+2…//R2*//R-
设定R+和R_的值,使Rx和Ry相等时,则
其中,{Vin1,Vin2,…,Vinn,Vin(n+1),Vin(n+2),…Vin2*n}为2N个侧抑制权重子电路的输入信号,即侧抑制电路的输入信号,它们的取值可以是感应信号放大电路阵列输出信号{Vin1,Vin2,…,Vinn}中的某一个,具体是由其前对应的模拟开关交叉阵列的配置情况决定;为侧抑制电路的侧抑制权重算子,表示阵列信号之间的侧抑制作用关系,Vout为此侧抑制电路的输出信号。
下面通过具体案例说明本实施例电路。
如图7-8所示,本案例基于设置静电感应电极阵列包括6个静电感应电极情况下分析计算电路待测电位,具体如下:
静电感应电极阵列设置6个静电感应电极,则对应连接6个信号放大电路,6个信号放大电路的输出端分别接两个6输入端6输出端的模拟开关交叉阵列,两个模拟开关交叉阵列输出端分别接侧抑制权重子电路,各侧抑制权重子电路接微控制器。
图7为侧抑制电路的原理图简化的等效图,当模拟开关阵列和多路开关选定某一位置后,电路待测电位的计算具体如下式:
其中,Rx=R1//R2//R3//Rp,Ry=R4//R5//R6//Rn
设定Rn和Rp的值,使Rx和Ry相等时,则
其中,R1~R6的值分别根据生物神经网络中典型的归一化侧抑制函数选取,可如下表1所示。
表1、典型的侧抑制函数
本案例,设定Vin1至Vin3对应强感应信号输入,选择为幅值为1V、频率100Hz的正弦波;Vin4至Vin6对应弱感应信号输入,选择为幅值为0.5V、频率100Hz的正弦波,本实施例选用根据Huggins模型选择侧抑制权重算子,即相邻信号之间为等比例抑制,本案例选择侧抑制作用距离为1(该选择功能由电路中模拟交叉开关阵列实现,如果侧抑制距离为1,则微控制器控制开关阵列第i路信号的左右两路信号(即i-1,i+1)作为抑制信号输入,作用于第i路侧抑制电路),即某一信号只抑制其两边相邻的信号,选择相邻抑制权重为10%。根据前述计算方法,第一个侧抑制权重子电路的电阻取值计算公式如下:
令Rp=1kΩ,解上述方程组得到Rn=178Ω,进而得到R1=R2=1780Ω,R3=178Ω。
将上述参数写入电路,发现仿真结果有一定的偏差,是由于电路仿真模型的误差和放大器偏置电压等误差参数的影响,在此基础上,微调Rn的值(增加或减少几欧姆),再按照公式求得R1、R2、R3的电阻值,得到满足侧抑制权重要求电阻取值为:Rn=R3=198Ω,R1=R2=1980Ω,Rp=1kΩ,各放大器选择ADI公司的运算放大器AD549。
以此类推,可以求出另外5个侧抑制权重子电路中的电阻值。
如图8所示仿真结果可知,Vin1至Vin3对应强感应信号输入,选择为幅值为1V、频率100Hz的正弦波;Vin4至Vin6对应弱感应信号输入,选择为幅值为0.5V、频率100Hz的正弦波。由于信号通路Vin1和Vin2左右两侧的相邻信号为强感应信号输入,则来自两个相邻信号的抑制值峰值应为1×10%=0.1V,Vin1和Vin2对应的侧抑制电路的输出峰值Vout1和Vout2应为1-(0.1+0.1)=0.8V,仿真结果为0.8009符合预期。由于信号通路Vin5和Vin6左右两侧的相邻信号为弱感应信号输入,则来自两个相邻信号的抑制值峰值应为0.5×10%=0.05V,Vin5和Vin6对应的侧抑制电路的输出峰值Vout5和Vout6应为0.5-(0.05+0.05)=0.4V,仿真结果为0.4005符合预期。对于信号通路Vin3和Vin4,相邻信号通路之一较强而另一个较弱,所以通路Vin3的侧抑制电路输出信号峰值为1-(0.1+0.05)=0.85V,仿真结果为0.8509符合预期,通路Vin4的侧抑制电路输出信号峰值为0.5-(0.1+0.05)=0.35V,仿真结果为0.3505符合预期。在侧抑制电路之前,感应信号的对比度为1V:0.5V=2:1,而在侧抑制电路之后,侧抑制电路输出信号的对比度变为0.8509V:0.3505V=2.85:1,对比度提升了约43%。即侧抑制电路引起多通道静电感应传感器对被测静电电位边缘分布的测量能力的增强。
系统实施例
根据本发明实施例,提供了一种基于使用上述非接触式静电电位分布测试的仿生电路的非接触式静电电位分布测试系统,图9是本发明实施例的非接触式静电电位分布测试系统的示意图,如图9所示,根据本发明实施例的非接触式静电电位分布测试系统具体包括:
静电电位传感器,通过将非接触式静电电位分布测试的仿生电路集成至电路板构成;静电电位传感器通过转接板连接到所述机械臂末端法兰上(参照图10),用于在机械臂的带动下,在被测件表面三维空间内扫描,在被测件表面由于静电荷或者交/直流激励信号的作用产生的电位梯度空间内运动产生感应信号并进行采样和处理;所述静电电位传感器具体用于:
当测量绝缘材料表面静电荷的分布时,设置模式一:使Vs(t)变化,d(t)和ε(t)固定,通过Vp(t)的变化反应Vs(t)的位置分布,其中,Vs(t)为被测件表面待测点的电位,d(t)为被测件到静电感应电极的距离,ε(t)为被测件和静电感应电极两者之间的介电常数,Vp(t)为传感器输出信号;
当测量导电材料表面三维结构时,设置模式二:使d(t)变化,Vs(t)和ε(t)固定,通过Vp(t)的变化反应d(t)的位置分布;
当进行绝缘材料介电常数分布测试时,设置模式三:使ε(t)变化,Vs(t)和d(t)固定,通过Vp(t)的变化反应ε(t)的位置分布。
计算机,与示波器连接,用于通过所述示波器对使用上述静电电位传感器采集并处理后的感应信号的数字化采集、处理、和存储,进行静电电位三维空间分布的非接触式测试成像,为用户提供可视化控制操作,并对所述机械臂的运行进行控制;所述计算机具体用于:
通过Python编程控制所述示波器,从所述示波器对使用上述静电电位传感器中各静电感应电极采集的感应信号的数字化采集、处理、和存储,并提供用户的可视化控制操作,利用机械臂的Python SDK的逆解函数接口,基于标定的用户坐标系,对被测件表面的扫描路径进行运动轨迹坐标求解,对所述机械臂的运行进行控制,在所有轨迹路线扫描完成后,将存储的示波器的记录数据按照运动轨迹的先后顺进行拼接,在进行拼接后,对于无激励或直流激励下获得的感应信号,进行滤波和平滑处理;对于交流激励下获得的感应信号,进行去趋势、取包络和降采样的数据处理,实现静电电位三维空间分布的非接触式测试成像。
机械臂,通过其控制柜连接到所述计算机,其中,所述控制柜中包括示教器,用于通过所述示教器在机械臂初始化之前对静电电位传感器的静电感应电极前端的坐标系即用户坐标系进行标定,在所述计算机的控制下带动静电电位传感器进行运动;在本发明实施例中,所述机械臂为六轴机械臂,支持Python编程接口控制。
交/直流激励信号源,用于在需要时向被测件表面空间施加交/直流激励信号;
示波器,与所述静电电位传感器连接,用于接收并显示所述静电电位传感器产生的N个感应信号。
以下结合附图,对本发明实施例的上述技术方案进行详细说明。
静电电位传感器通过转接板连接到六轴高精度机械臂末端法兰,在机械臂的控制下,各静电感应电极能够以20um的空间精度和1mm/s的速度精度在被测件表面三维空间内扫描,被测件表面空间由于静电荷或者交/直流激励信号的作用而产生电位梯度,静电感应电极在电位梯度空间内运动而产生交流感应信号,此信号被感应信号放大电路阵列、侧抑制网络电路阵列和微控制器阵列依次进行采样处理,实现静电电位三维空间分布的非接触式测试成像。
静电电位传感器通过定制的法兰转接板安装在六轴机械臂的末端,实现静电感应电极的高精度三维空间定位,用于测试和扫描被测件表面电位,其中,如图10-11所示,由感应信号放大电路阵列、侧抑制网络电路阵列和微控制器阵列构成的N块电路板分别通过穿设电路板的4条横杆间隔设置在法兰转接板上,法兰转接板上端面通过使用螺栓固定在法兰转接板上,可如图11所示。
六轴机械臂的工作半径为886毫米,空间定位精度0.02毫米,末端速度最大为2.8m/s,精度为1mm/s。因此能够根据被测件的形状和位置精确调整静电感应电极的姿态和距离,根据被测静电电位的大小调整电极的扫描速度,距离和速度参数是影响静电感应信号强度的关键参数。
机械臂通过控制柜和示教器连接到计算机,支持Python编程接口控制。计算机同时通过Python编程控制Pico的PicoScope 4824示波器,实现传感器模拟信号的数字化采集、存储和可视化等操作。空间定位与数据处理算法流程如图12所示。其中,机械臂初始化之前需要利用示教器对静电感应电极前端的坐标系(即用户坐标系)进行标定。进而,利用机械臂Python SDK的逆解函数接口,对被测件表面的扫描路径进行运动轨迹坐标求解。在所有轨迹路线扫描完成后,将计算机存储的示波器记录数据安装运动轨迹的先后顺进行拼接。最后,对于无激励或直流激励工作模式下获得的静电感应信号,只需进行滤波和平滑处理;对于交流激励工作模式下获得的静电感应信号,需要进一步去趋势、取包络和降采样的数据处理,从而减少扫描过程中机械震动的伪影和外部噪声的拾取。
本发明实施例提出的静电电位三维分布非接触式测试方法,具有多种应用场景和工作模式,根据被测信号的不同,主要可分为直流测试和交流测试两大类。分别利用交直流信号源研究了本系统测试静电电位三维空间分布的分辨率。
直流测试:利用印制电路板工艺制作了2mm厚、8cm长(定义为X轴)、8cm宽(定义为Y轴)的校准件,固定到精密五轴平移台顶端,调整平移台使校准件平面(XOY平面)与水平面成45°夹角,将直流电压源连接到校准件的激励信号SMA接口,设置30V直流电压输出,校准件表面就形成了三维空间分布的标准待测静电场。进而,机械臂控制静电电位传感器的位置和姿态,以光栅方式扫描校准件表面空间,静电感应电极阵列垂直于校准件表面,间距为0.3mm,以1mm的步长沿Y轴步进,在每一种Y轴坐标取值下,沿X轴连续运动,加速度为1mm/s,最大速度为3mm/s。同时,示波器以1KHz的采样率记录静电电位传感器输出的模拟信号,利用MATLAB的低通数字滤波函数lowpass()对记录的数据进行降噪处理,通带频率为0.01πradians/sample,陡度为0.95,阻带衰减为180dB。最后,将所有记录数据进行拼接可视化。
交流测试:采用直流测试实验相同的实验流程,将信号源换作是德科技的33520B波形发生器,设置激励信号为2V幅值、10kHz频率的正弦波信号。示波器的采样率设置为100kHz。采用MATLAB内嵌的信号处理函数对采样数据进行去除趋势、包络检波和降采样处理。去除趋势函数detrend()选择常量方法,包络检波函数envelope()选用有效值方法,窗长度设为5000,降采样函数decimate()的降低因子设为100倍。同样将所有记录数据进行拼接可视化。综上所述,本发明实施例提出了非接触式三维扫描电势显微镜的基本概念与测试方法,通过理论推导、数值仿真与原型系统实验,验证了这一概念的可行性,在不同的工作模式下,可用于绝缘材料表面静电荷分布成像,导电材料表面三维结构成像和介电材料介电参数分布成像等多种测试应用场景,例如高压领域的绝缘子表面电场三维分布测试,故障检测领域的碳纤维复合材料无损检测,航空航天领域的飞行器表面静电沉积检测。本发明实施例采用的六轴机械臂,能够灵活的控制静电电位传感器的位置和姿态,可移动且重复定位精度高,因此在现场测试具有复杂结构的被测件方面具有显著优势。
方法实施例
根据本发明实施例,提供了一种非接触式静电电位分布测试方法,用于上述非接触式静电电位分布测试系统,图13是本发明实施例的非接触式静电电位分布测试方法的流程图,如图13所示,根据本发明实施例的非接触式静电电位分布测试方法具体包括:
步骤1101,通过计算机对机械臂的运行进行控制;具体包括:
利用机械臂的Python SDK的逆解函数接口,基于标定的用户坐标系,对被测件表面的扫描路径进行运动轨迹坐标求解,对所述机械臂的运行进行控制;
步骤1102,通过机械臂的示教器在机械臂初始化之前对静电电位传感器的静电感应电极阵列前端的坐标系即用户坐标系进行标定,在所述计算机的控制下带动静电电位传感器进行运动;具体地,所述机械臂通过Python编程接口接受所述计算机的控制,在所述计算机的控制下带动静电电位传感器进行运动,其中,所述Python编程接口具体为:PythonSDK的逆解函数接口。
步骤1103,通过静电电位传感器在机械臂的带动下,在被测件表面三维空间内扫描,在被测件表面由于静电荷或者交/直流激励信号的作用产生的电位梯度的空间内运动产生感应信号并进行采样和处理;具体地,通过静电感应电极阵列以预定的空间精度和预定的速度精度在被测件表面三维空间内扫描,在被测件表面由于静电荷或者交/直流激励信号的作用产生的电位梯度的空间内运动产生感应信号;依次通过感应信号放大电路阵列、侧抑制网络电路阵列和微控制器阵列对所述感应信号进行采样与处理。其中,任一一静电感应电极采集到的感应信号通过信号放大电路处理具体包括:
当测量绝缘材料表面静电荷的分布时,设置模式一:使Vs(t)变化,d(t)和ε(t)固定,通过Vp(t)的变化反应Vs(t)的位置分布,其中,Vs(t)为被测件表面待测点的电位,d(t)为被测件到静电感应电极的距离,ε(t)为被测件和静电感应电极两者之间的介电常数,Vp(t)为感应信号;
当测量导电材料表面三维结构时,设置模式二:使d(t)变化,Vs(t)和ε(t)固定,通过Vp(t)的变化反应d(t)的位置分布;
当进行绝缘材料介电常数分布测试时,设置模式三:使ε(t)变化,Vs(t)和d(t)固定,通过Vp(t)的变化反应ε(t)的位置分布。
步骤1104,在需要时通过交/直流激励信号源向被测件表面空间施加交/直流激励信号;
步骤1105,通过示波器接收并显示所述静电电位传感器中各静电感应电极采集的感应信号;
步骤1106,通过计算机对所述示波器的静电电位传感器的各感应信号进行数字化采集、处理、和存储,进行静电电位三维空间分布的非接触式测试成像。具体包括:
通过Python编程控制示波器,通过所述示波器进行静电电位传感器的各感应信号的数字化采集、处理、和存储,并提供用户的可视化操作;
在所有轨迹路线扫描完成后,将存储的示波器记录数据按照运动轨迹的先后顺进行拼接;
在进行拼接后,对于无激励或直流激励下获得的感应信号,进行滤波和平滑处理;对于交流激励下获得的感应信号,进行去趋势、取包络和降采样的数据处理,实现静电电位三维空间分布的非接触式测试成像。
本发明实施例是与上述系统实施例对应的方法实施例,各个处理步骤的具体操作可以参照方法实施例的描述进行理解,在此不再赘述。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
如图14所示,本发明还提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述实施例中非接触式静电电位分布测试方法,或者计算机程序被处理器执行时实现上述实施例中非接触式静电电位分布测试方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置或系统实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的装置及系统实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本发明的具体实施方式,使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种非接触式静电电位分布测试的仿生电路,其特征在于,包括:
静电感应电极阵列、感应信号放大电路阵列、侧抑制网络电路阵列和微控制器阵列;其中
静电感应电极阵列包括N个静电感应电极;
感应信号放大电路阵列包括与N个静电感应电极一对一连接的N个信号放大电路;
侧抑制网络电路阵列包括N个侧抑制电路,每个侧抑制电路包括两个N输入端N输出端的模拟开关交叉阵列,两个模拟开关交叉阵列每个输出端连接一侧抑制权重子电路;N个信号放大电路输出端与两个模拟开关交叉阵列多对多的全连接;所述侧抑制权重子电路由一个模拟多路开关和k个不同阻值的电阻组成;其中一个模拟开关交叉阵列对应连接的N个侧抑制权重子电路输出端连接第一运算放大器的正向输入端,另一个模拟开关交叉阵列对应连接的N个侧抑制权重子电路输出端连接第一运算放大器的反向输入端,第一运算放大器反向输入端与输出端之间连接电阻R-,正向输入端经电阻R+接地;
微控制器阵列包括与侧抑制网络电路阵列一对一连接的N个微控制器;且各微控制器通过数字信号总线分别与其前端连接的两个模拟开关交叉阵列和2N个侧抑制权重子电路连接。
2.如权利要求1所述的非接触式静电电位分布测试的仿生电路,其特征在于,所述
静电感应电极为同轴感应电极,包括前端的静电感应板、中间的金属内芯和外包的金属屏蔽层组成,感应板的后面被金属屏蔽层包裹;具体为静电感应板与金属内芯连接,金属屏蔽层包裹在静电感应板与金属内芯外围,静电感应板前端开放设置。
3.如权利要求2所述的非接触式静电电位分布测试的仿生电路,其特征在于,所述
信号放大电路包括第二运算放大器,第二运算放大器正向输入端接静电感应电极的金属内芯;连接在第二运算放大器反向输入端与输出端间的负反馈增益控制子电路;连接在第二运算放大器输出端与静电感应电极金属屏蔽层间的正反馈有源保护驱动子电路;及连接在第二运算放大器正向输入端与静电感应电极的金属内芯间的直流偏执与自举反馈子电路。
4.一种基于所述权利要求1-3中任意一项非接触式静电电位分布测试的仿生电路的非接触式静电电位分布测试的系统,其特征在于,包括:
静电电位传感器,通过将非接触式静电电位分布测试的仿生电路集成至电路板构成;静电电位传感器通过转接板连接到所述机械臂末端法兰,用于在机械臂的带动下,在被测件表面三维空间内扫描,在被测件表面由于静电荷或者交/直流激励信号的作用产生的电位梯度空间内运动产生感应信号并进行采样和处理;
计算机,与示波器连接,用于通过所述示波器对使用上述静电电位传感器采集并处理后的感应信号的数字化采集、处理、和存储,进行静电电位三维空间分布的非接触式测试成像,为用户提供可视化控制操作,并对所述机械臂的运行进行控制;
机械臂,通过其控制柜连接到所述计算机,其中,所述控制柜中包括示教器,用于通过所述示教器在机械臂初始化之前对静电电位传感器的静电感应电极前端的坐标系即用户坐标系进行标定,在所述计算机的控制下带动静电电位传感器进行运动;
交/直流激励信号源,用于在需要时向被测件表面空间施加交/直流激励信号;
示波器,与所述静电电位传感器连接,用于接收并显示所述静电电位传感器中各产生的N个感应信号。
5.如权利要求4所述的非接触式静电电位分布测试的系统,其特征在于,所述静电电位传感器具体用于:
当测量绝缘材料表面静电荷的分布时,设置模式一:使Vs(t)变化,d(t)和ε(t)固定,通过Vp(t)的变化反应Vs(t)的位置分布,其中,Vs(t)为被测件表面待测点的电位,d(t)为被测件到静电感应电极的距离,ε(t)为被测件和静电感应电极两者之间的介电常数,Vp(t)为感应信号;
当测量导电材料表面三维结构时,设置模式二:使d(t)变化,Vs(t)和ε(t)固定,通过Vp(t)的变化反应d(t)的位置分布;
当进行绝缘材料介电常数分布测试时,设置模式三:使ε(t)变化,Vs(t)和d(t)固定,通过Vp(t)的变化反应ε(t)的位置分布。
6.如权利要求4所述的非接触式静电电位分布测试的系统,其特征在于,所述通过Python编程控制所述示波器,从所述示波器进行静电电位传感器的感应信号的数字化采集、处理、和存储,并提供用户的可视化控制操作,利用机械臂的Python SDK的逆解函数接口,基于标定的用户坐标系,对被测件表面的扫描路径进行运动轨迹坐标求解,对所述机械臂的运行进行控制,在所有轨迹路线扫描完成后,将存储的示波器的记录数据按照运动轨迹的先后顺进行拼接,在进行拼接后,对于无激励或直流激励下获得的感应信号,进行滤波和平滑处理;对于交流激励下获得的感应信号,进行去趋势、取包络和降采样的数据处理,实现静电电位三维空间分布的非接触式测试成像。
7.一种基于所述权利要求4-6中任意一项非接触式静电电位分布测试的系统的非接触式静电电位分布测试方法,其特征在于,包括步骤
通过计算机对机械臂的运行进行控制;具体包括:
利用机械臂的Python SDK的逆解函数接口,基于标定的用户坐标系,对被测件表面的扫描路径进行运动轨迹坐标求解,对所述机械臂的运行进行控制;
通过机械臂的示教器在机械臂初始化之前对静电电位传感器的静电感应电极阵列前端的坐标系即用户坐标系进行标定,在所述计算机的控制下带动静电电位传感器进行运动;具体地,所述机械臂通过Python编程接口接受所述计算机的控制,在所述计算机的控制下带动静电电位传感器进行运动;
通过静电电位传感器在机械臂的带动下,在被测件表面三维空间内扫描,在被测件表面由于静电荷或者交/直流激励信号的作用产生的电位梯度的空间内运动产生感应信号并进行采样和处理;
在需要时通过交/直流激励信号源向被测件表面空间施加交/直流激励信号;
通过示波器接收并显示所述静电电位传感器中各静电感应电极采集的感应信号;
通过计算机对所述示波器的静电电位传感器的各感应信号进行数字化采集、处理、和存储,进行静电电位三维空间分布的非接触式测试成像。
8.如权利要求7所述的非接触式静电电位分布测试方法,其特征在于,所述计算机的控制下带动静电电位传感器进行运动具体包括:
所述机械臂通过Python编程接口接受所述计算机的控制,在所述计算机的控制下带动静电电位传感器进行运动,其中,所述Python编程接口具体为:Python SDK的逆解函数接口。
9.如权利要求7所述的非接触式静电电位分布测试方法,其特征在于,所述通过静电电位传感器在机械臂的带动下,在被测件表面三维空间内扫描,在被测件表面由于静电荷或者交/直流激励信号的作用产生的电位梯度的空间内运动产生感应信号并进行采样和处理具体包括:
通过静电感应电极阵列以预定的空间精度和预定的速度精度在被测件表面三维空间内扫描,在被测件表面由于静电荷或者交/直流激励信号的作用产生的电位梯度的空间内运动产生感应信号;依次通过感应信号放大电路阵列、侧抑制网络电路阵列和微控制器阵列对所述感应信号进行采样与处理。
10.如权利要求7所述的非接触式静电电位分布测试方法,其特征在于,所述通过计算机对所述示波器的静电电位传感器的各感应信号进行数字化采集、处理、和存储,进行静电电位三维空间分布的非接触式测试成像具体包括:
通过Python编程控制示波器,通过所述示波器进行静电电位传感器的各感应信号的数字化采集、处理、和存储,并提供用户的可视化操作;
在所有轨迹路线扫描完成后,将存储的示波器记录数据按照运动轨迹的先后顺进行拼接;
在进行拼接后,对于无激励或直流激励下获得的感应信号,进行滤波和平滑处理;对于交流激励下获得的感应信号,进行去趋势、取包络和降采样的数据处理,实现静电电位三维空间分布的非接触式测试成像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111443828.0A CN114137325B (zh) | 2021-11-30 | 2021-11-30 | 一种非接触式静电电位分布测试的仿生电路、系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111443828.0A CN114137325B (zh) | 2021-11-30 | 2021-11-30 | 一种非接触式静电电位分布测试的仿生电路、系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114137325A true CN114137325A (zh) | 2022-03-04 |
CN114137325B CN114137325B (zh) | 2022-09-27 |
Family
ID=80389955
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111443828.0A Active CN114137325B (zh) | 2021-11-30 | 2021-11-30 | 一种非接触式静电电位分布测试的仿生电路、系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114137325B (zh) |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4716371A (en) * | 1985-07-22 | 1987-12-29 | The Simco Company, Inc. | Non-contact autoranging electrostatic fieldmeter with automatic distance indicator |
US5488301A (en) * | 1994-12-19 | 1996-01-30 | Xerox Corporation | Electrostatic voltmeter employing a differential cascode |
US6608483B1 (en) * | 2001-11-13 | 2003-08-19 | John P. Hill | Quadrature differential charge commutation sensor enabling wide bandwith field mills and other electrostatic field measuring devices |
CN201965186U (zh) * | 2011-02-25 | 2011-09-07 | 中国人民解放军第二炮兵工程学院 | 一种基于超声技术的便携式非接触静电测量装置 |
CN103235195A (zh) * | 2013-04-28 | 2013-08-07 | 北京理工大学 | 一种非接触式静电探测装置 |
CN103713201A (zh) * | 2013-12-24 | 2014-04-09 | 中国人民解放军军械工程学院 | 分布式自动补偿表面静电电位的电位测试系统 |
CN204008869U (zh) * | 2014-02-19 | 2014-12-10 | 中国人民解放军军械工程学院 | 非接触式静电电位测试仪 |
CN106997485A (zh) * | 2016-01-26 | 2017-08-01 | 三星电子株式会社 | 基于神经网络的识别设备和训练神经网络的方法 |
CN107329004A (zh) * | 2016-12-02 | 2017-11-07 | 北京理工大学 | 一种基于静电感应原理的非接触式mems自激励静场电探测系统及其探测方法 |
CN108985447A (zh) * | 2018-06-15 | 2018-12-11 | 华中科技大学 | 一种硬件脉冲神经网络系统 |
CN109557944A (zh) * | 2018-11-30 | 2019-04-02 | 南通大学 | 一种运动目标位置检测系统及方法 |
CN109655674A (zh) * | 2019-02-27 | 2019-04-19 | 西北工业大学 | 基于弱耦合微机械谐振器的微弱静电场测量装置及方法 |
CN110007160A (zh) * | 2019-03-15 | 2019-07-12 | 山东超越数控电子股份有限公司 | 一种静电电位测量系统,方法以及设备 |
CN111289806A (zh) * | 2020-03-27 | 2020-06-16 | 北京先通康桥医药科技有限公司 | 一种阵列式电容传感器的动态测量电路 |
CN111289600A (zh) * | 2020-04-08 | 2020-06-16 | 华北电力大学 | 一种基于静电传感器阵列的成像装置及方法 |
CN111650250A (zh) * | 2020-07-06 | 2020-09-11 | 中国人民解放军32181部队 | 一种碳纤维增强复合材料无损检测方法及系统 |
CN112505436A (zh) * | 2020-11-20 | 2021-03-16 | 石家庄铁道大学 | 非接触式静电场测试装置及测试方法 |
CN113030623A (zh) * | 2021-03-19 | 2021-06-25 | 北京理工大学 | 一种静电电荷衰减测试系统及其测试方法 |
-
2021
- 2021-11-30 CN CN202111443828.0A patent/CN114137325B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4716371A (en) * | 1985-07-22 | 1987-12-29 | The Simco Company, Inc. | Non-contact autoranging electrostatic fieldmeter with automatic distance indicator |
US5488301A (en) * | 1994-12-19 | 1996-01-30 | Xerox Corporation | Electrostatic voltmeter employing a differential cascode |
US6608483B1 (en) * | 2001-11-13 | 2003-08-19 | John P. Hill | Quadrature differential charge commutation sensor enabling wide bandwith field mills and other electrostatic field measuring devices |
CN201965186U (zh) * | 2011-02-25 | 2011-09-07 | 中国人民解放军第二炮兵工程学院 | 一种基于超声技术的便携式非接触静电测量装置 |
CN103235195A (zh) * | 2013-04-28 | 2013-08-07 | 北京理工大学 | 一种非接触式静电探测装置 |
CN103713201A (zh) * | 2013-12-24 | 2014-04-09 | 中国人民解放军军械工程学院 | 分布式自动补偿表面静电电位的电位测试系统 |
CN204008869U (zh) * | 2014-02-19 | 2014-12-10 | 中国人民解放军军械工程学院 | 非接触式静电电位测试仪 |
CN106997485A (zh) * | 2016-01-26 | 2017-08-01 | 三星电子株式会社 | 基于神经网络的识别设备和训练神经网络的方法 |
CN107329004A (zh) * | 2016-12-02 | 2017-11-07 | 北京理工大学 | 一种基于静电感应原理的非接触式mems自激励静场电探测系统及其探测方法 |
CN108985447A (zh) * | 2018-06-15 | 2018-12-11 | 华中科技大学 | 一种硬件脉冲神经网络系统 |
CN109557944A (zh) * | 2018-11-30 | 2019-04-02 | 南通大学 | 一种运动目标位置检测系统及方法 |
CN109655674A (zh) * | 2019-02-27 | 2019-04-19 | 西北工业大学 | 基于弱耦合微机械谐振器的微弱静电场测量装置及方法 |
CN110007160A (zh) * | 2019-03-15 | 2019-07-12 | 山东超越数控电子股份有限公司 | 一种静电电位测量系统,方法以及设备 |
CN111289806A (zh) * | 2020-03-27 | 2020-06-16 | 北京先通康桥医药科技有限公司 | 一种阵列式电容传感器的动态测量电路 |
CN111289600A (zh) * | 2020-04-08 | 2020-06-16 | 华北电力大学 | 一种基于静电传感器阵列的成像装置及方法 |
CN111650250A (zh) * | 2020-07-06 | 2020-09-11 | 中国人民解放军32181部队 | 一种碳纤维增强复合材料无损检测方法及系统 |
CN112505436A (zh) * | 2020-11-20 | 2021-03-16 | 石家庄铁道大学 | 非接触式静电场测试装置及测试方法 |
CN113030623A (zh) * | 2021-03-19 | 2021-06-25 | 北京理工大学 | 一种静电电荷衰减测试系统及其测试方法 |
Non-Patent Citations (7)
Title |
---|
ALI FATIHOU,ET.: "Measurement of surface potential of non-uniformly charged insulating materials using a non-contact electrostatic voltmeter", 《 IEEE TRANSACTIONS ON DIELECTRICS AND ELECTRICAL INSULATION》 * |
ARASH POURYAZDAN,ET.: "Flexible Micro-Scale Sensor Array for Non-Contact Electric Potential Imaging", 《2020 IEEE INTERNATIONAL CONFERENCE ON FLEXIBLE AND PRINTABLE SENSORS AND SYSTEMS》 * |
MENGHUA MAN,ET.: "The Biological Property of Synthetic Evolved Digital Circuits with ESD Immunity – Redundancy or Degeneracy", 《JOURNAL OF BIONIC ENGINEERING》 * |
任春荣: "非接触静电电位测量系统研究与设计", 《中国优秀硕士学位论文全文数据库》 * |
冯亚辉等: "非接触式静电电位传感器空间分辨率校准", 《电子技术与软件工程》 * |
常小龙等: "电磁防护仿生技术研究的进展与展望", 《计算机工程与设计》 * |
满梦华等: "模仿神经元网络抗扰特性的电磁防护仿生研究", 《装备环境工程》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114137325B (zh) | 2022-09-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR100558379B1 (ko) | 임피던스-전압 변환기 | |
DE60107084T2 (de) | System zur fingeroberflächenmustermessung in echtzeit | |
CN102023771B (zh) | 感测基板和位置检测装置 | |
JP2016524138A (ja) | 電磁特性を計測する装置及び方法 | |
EP3592207B1 (en) | Physiological measurement device with common mode interference suppression | |
DE3200362C2 (de) | Prüfeinrichtung zur Bestimmung der Schwingungseigenschaften von Meßwertaufnehmern oder Meßwertaufnahmesystemen mit piezoelektrischen Meßelementen | |
CN105338885A (zh) | 多电极阻抗感测 | |
EP3399324A1 (en) | Magnetic sensor, sensor unit, magnetic detection device, and magnetic measurement device | |
CN103492895A (zh) | 磁检测装置 | |
JP6459188B2 (ja) | 非接触電圧計測装置 | |
CN109387685B (zh) | 一种差分探头及非接触式电压测量装置 | |
EP1735595A1 (de) | Vorrichtung, sensoranordnung und verfahren zur kapazitiven positionserfassung eines zielobjekts | |
DE102010028718A1 (de) | Erfassung eines dielektrischen Objekts | |
CN114137325B (zh) | 一种非接触式静电电位分布测试的仿生电路、系统及方法 | |
EP3389487B1 (en) | Process and measuring system for data acquisition and processing in soft-tomography studies | |
CN214122085U (zh) | 一种基于电容成像技术的复合材料缺陷检测装置 | |
CN113884973B (zh) | 一种非接触式介电表面电势检测装置及方法 | |
EP4023151A1 (en) | Systems, methods, and processes for detecting electrode wire noise | |
DE102009035421A1 (de) | Verfahren und Anordnung zur Nahfeldmessung von elektromagnetischen Emissionen im Zeitbereich | |
Banks et al. | Instrumentation to evaluate neural signal recording properties of micromachined microelectrodes inserted in invertebrate nerve | |
Bertotti et al. | Artifact-compensated time-continuous recording from neural tissue during stimulation using a capacitively coupled in-vitro CMOS-MEA with 4k recording and 1k stimulation sites | |
Sreejan et al. | Development of Flex sensor Array to identify damage on sheet metal | |
CN115856396B (zh) | 传感探头模组、非接触式电压测量电路、方法及电子设备 | |
DE102005049196B4 (de) | Vorrichtung zur Untersuchung von Dieelektrizitätskonstants- und Leitfähigkeitsstrukturen von Flüssigkeiten und Festkörpern | |
DE102015219487A1 (de) | Energieersparnis bei einem Zeigeinstrument für kapazitive Sensoroberflächen durch Neigungsmessung |
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 |