Page 91 - 《应用声学》2023年第4期
P. 91
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 753
按照 TF-EMD 算法重构的信号如图 11 所示, 设,缺乏自适应性;AR-EMD 算法利用相关性和
结合频谱图可以看出,1500 Hz 左右的高频干扰 RMSE 设计两个阈值,将相关性高的噪声分量作为
几乎全部被滤除,使得对有效信号的影响十分微 有用信号而保留,使得 SNR 减小,该方法并不适
弱,并且保留了信号的有效频段。表 4 展示了比较 用于低 SNR 的情况;EMD-STRP 算法由于阈值选
算法 SNR 和 RMSE 的对比,比较算法的去噪效果 择不合理,使得有用信号被破坏,SNR 下降。因此,
如图 12 所示。通过对比可以看出,TF-EMD 算法 TF-EMD算法对于低 SNR下的多频混合信号来说,
因其时频域权重因子使得 SNR 和 RMSE 都是最好 去噪性能优于其他对比算法。
的;WT-EMD 算法受限于小波基和分解层数的预
1
IMF1 -1 0
2
IMF2 -2 0
0.5
IMF3 -0.5 0
0.2
IMF4 -0.2 0
0.1
IMF5 -0.1 0
0.1
IMF6 -0.1 0
0.05
IMF7 -0.05 0
0.05
IMF8 -0.05 0
0.01
Residual -0.01 0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0
ᫎ/s
图 10 原始信号 EMD 分解结果
Fig. 10 EMD decomposed results of the original signal
ԔݽηՂ ᧘ηՂ
1.0
0.5
ॆʷӑࣨए -0.5 0
-1.0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0
ᫎ/s
(a) ۫
1.0
ॆʷӑࣨए 0.5
0
0 500 1000 1500 2000 2500
ᮠဋ/Hz
(b) ᮠ۫
图 11 重构信号时域和频域图
Fig. 11 Time domain and frequency domain diagrams of reconstructed signals