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     ᧘౞ηՂ
                                                                     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
   84   85   86   87   88   89   90   91   92   93   94