Page 89 - 《应用声学》2023年第4期
P. 89
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 751
力。EMD-STRP算法的阈值需要预先设定,算法需 ԔݽηՂ ᧘ηՂ
1.0
要过多的人为干扰。AR-EMD 算法利用相关性和 0.5
RMSE 设计两个阈值,在 SNR 较低的情况下,它会 ॆʷӑࣨए 0
将高频噪声分量视为有用信号,信号的 SNR 提升 -0.5
-1.0
有限。 0 0.4 0.8 1.2 1.6 2.0
ᫎ/s
(a) ۫
表 2 重构信号 SNR 与 RMSE 对比 1.0
Table 2 The SNR and RMSE comparisons ॆʷӑࣨए 0.5
of reconstructed signals
0
0 50 100 150 200 250
SNR/dB RMSE
ᮠဋ/Hz
WT-EMD 算法 593 0.36 (b) ᮠ۫
EMD-STRP 算法 4.51 0.42
图 5 重构信号时域和频域图
AR-EMD 算法 6.99 0.32
Fig. 5 Time domain and frequency domain dia-
TF-EMD 算法 7.67 0.29
grams of reconstructed signals
ॆʷӑࣨए -1 1 0
0.2
0.8
0.4
0.6
1.0
0
ᫎ /s 1.2 1.4 1.6 1.8 2.0
(a) WT-EMDካข
ॆʷӑࣨए -1 0
1
1.0
0.8
0.4
0.6
0
0.2
ᫎ /s 1.2 1.4 1.6 1.8 2.0
(b) EMD-STRPካข
ॆʷӑࣨए -1 0
1
0
0.8
0.2
0.6
1.0
0.4
ᫎ /s 1.2 1.4 1.6 1.8 2.0
(c) AR-EMDካข
ॆʷӑࣨए -1 0
1
1.0
0.4
0.6
0
0.2
0.8
ᫎ/s 1.2 1.4 1.6 1.8 2.0
(d) TF-EMDካข
图 6 不同算法去噪结果对比
Fig. 6 Comparison of denoising results of different algorithms
具切削振动信号;另一方面可以视为执行器,基于
3 超声辅助加工实验
逆压电效应,产生高频激振作用于工件,用于辅助
切削。
通过超声辅助切削加工实验,验证 TF-EMD算
法的去噪性能。实验装置如图 7 所示,包括超声电 实验过程如图 8 所示。图 9 为原始信号 S(t) 的
源、超声波振动台、铣削加工机床、电荷放大器以 时域和频域波形。一方面,超声波振动台感知刀具
及示波器。超声电源驱动频率为 30 kHz,铣刀的 振动信号,随后经过电荷放大器进行放大,最终在
直径是 4 mm,超声波振动台内含压电材料,可以 示波器上显示信号波形。实验验证刀具振动信号特
拾取刀具与工件之间的切削振动。超声波振动台 征频段集中在 300 ∼ 500 Hz,以此为标准设置带通
一方面可以视为传感器,基于正压电效应,感知刀 滤波器获取目标信号,如图 9 的 S 1 (t) 所示。另一方