Page 85 - 《应用声学》2023年第4期
P. 85
第 42 卷 第 4 期 桑汉德等： 超声辅助加工系统的刀具状态自感知算法 747
滤除低频噪声和剩余的高频白噪声，提高了 EMD
0 引言
算法的去噪性能。文献 [20] 提出了一种基于软阈
在机械制造行业中，刀具状态检测是保证产品 值和粗糙度惩罚的 EMD 去噪算法 (EMD with soft
质量、提高加工效率和降低成本的关键技术 [1−4] 。 thresholding and roughness penalty, EMD-STRP)，
文献 [5] 指出刀具振动信号包含刀具工作状态的有 通过计算各个 IMF 分量与原信号的相关系数，设
效信息，提取振动信号的时频特征可以实现刀具状 置阈值将相关系数大的作为有用信号。对有用信
态的有效检测。现有刀具状态监测主要有基于声发 号应用粗糙度惩罚，对无用信号应用软阈值去噪技
射信号特征 [6] 、切削力信号特征 [7] 以及多源信号融 术，提高了所选信号的信噪比 (Signal-to-noise ra-
合特征 [8−9] 等监测刀具工作状态的方法，均需要附 tio, SNR)。文献 [21]提出了一种结合相关系数准则
加传感器才可以实现刀具监测信号的有效提取。 和均方根误差 (Root mean squared error, RMSE)
超声辅助加工技术得到广泛关注并已应用于 的EMD自适应阈值重构方法 (EMD with adaptive
玻璃、陶瓷等精密零件的实际生产中，可以起到提 reconstruction, AR-EMD)，通过对得到的 IMF 分
高加工效率、降低刀具磨损、改善加工质量等优异 量进行自适应阈值筛选，达到了信号降噪的目的。
效果 [10] 。超声辅助切削系统的核心部件是压电陶 但是上述方法仅考虑了原始信号与 IMF 分量的时
瓷组成的换能器。传统超声辅助加工的原理是采 域相关性，忽视了频域相关性对提高重构信号 SNR
用换能器的逆压电效应产生高频振动并激励刀具 的作用。
振动 [11] 。压电换能器在完成辅助切削的同时，可 本文提出了一种基于经验模态分解的时频域
以利用自身的正压电效应实现刀具振动信号的感 重构算法(Time and frequency domain reconstruc-
知 [12−13] 。受此启示，本文提出具有刀具振动信号 tion algorithm based on empirical mode decompo-
自感知功能的超声辅助加工系统，在不附加传感器 sition, TF-EMD) 提取微弱振动信号，提高了重构
的条件下实现刀具状态在线监测。但是，由于超声 信号的SNR。通过计算各分量与原始信号的时频域
驱动电源和环境噪声的影响，采集到的刀具振动信 互相关系数，设计权重系数重构 IMF 分量和残差，
号通常淹没在噪声中。目前鲜有文献提及强噪声背 实现了信号自适应降噪和特征提取。在重构信号的
景下，超声辅助切削系统刀具微弱振动信号的提取 过程中，避免了人为因素的影响，达到了信号自适应
方法。 提取的目的。
常用的提取振动信号的方法有：数字滤波、傅里
1 TF-EMD算法
叶变换、小波变换和经验模态分解(Empirical mode
decomposition, EMD) 等 [14−15] 。数字滤波和傅里
EMD 是一种依据数据自身的时间尺度特征来
叶变换作为工程中广泛应用的方法，并不能去除非
进行信号分解的时频域分析方法，不需要输入信号
平稳信号中的无效成分 [16] 。小波变换与傅里叶变
的先验信息。该方法可以将非平稳信号分解为一系
换相比，虽然改善了处理非平稳信号时不适用的现
列不同时间尺度的 IMF 分量。IMF 分量需要满足
状，但是存在小波基选取困难和噪声较大或能量有
两个条件 [22] ：(1) 极值点数和过零点的个数相差不
限时，小波滤波效果不理想的问题 [17] ，因此具有一
大于 1；(2) 在任意点处，上下包络的均值为 0。经过
定的局限性。EMD 是依据数据自身的时间尺度特
EMD方法，原始信号x(t)被分解为
征，自适应地分解成若干个本征模态函数 (Intrinsic
n
mode function, IMF)以及残差，不需要输入信号的 x (t) = ∑ c i (t) + r n (t), (1)
先验信息 [18] 。然而EMD算法并不能实现强噪声背 i=1
景下微弱振动信号的提取。 其中，n是 IMF 分量的个数，c i (t) 和r n (t) 分别是第
文献 [19] 提出了一种结合小波阈值和经验模 i个IMF和残差分量。
态分解的去噪方法 (Wavelet threshold and EMD, 通过 EMD 方法将原始信号分解为一系列频率
WT-EMD)，通过对振动信号进行小波分解，部分 从高到低的 IMF 和一个残差。在信号去噪的过程
滤除白噪声。随后对小波重构信号进行 EMD 得到 中，高频分量和低频分量往往对应着噪声分量，残差
多个 IMF 分量，通过分析每个 IMF 分量的频谱图， 反映信号的趋势。因此，通过降低这些分量重构的
