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      ᧘౞ηՂ
                                     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
   86   87   88   89   90   91   92   93   94   95   96