Page 91 - 《应用声学》2023年第4期

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