Page 141 - 《应用声学》2025年第1期

第 44 卷 第 1 期 张润锋等： 改进 CEEMD-WPT 的裂纹声发射信号降噪方法 137

对比观察图 10(b)∼(d) 可以看出两种方法均有着去 响。观察图 12(b)∼(d) 可以发现，3 种降噪算法均
除原信号中高频噪声的效果，但是相较于 CEEMD- 有较好的降噪能力，在采样点 2500∼4000 处凸显了
WPT，传统的 CEEMD 高频部分噪声残留较多，这 裂纹信号，但传统 CEEMD 和小波阈值降噪具有更
也是其SPIC-0指数较高的根本原因。 多的噪声残留。观察图 12(e) 可以发现，原信号在
观察表 3 可以发现，CEEMD-WPT 在3 个实验 200∼700 kHz频段受到噪声干扰。降噪后，3种方法
信号中的SPIC-0指数均小于传统 CEEMD，且方差 均有效消除了大部分噪声，但相较于其他算法，本文
明显小于传统 CEEMD 一个数量级，降噪效果具有 提出的 CEEMD-WPT 具有更好的降噪效果，噪声
更强的稳定性。 残留更少，低频有效信号保留更好。

表 3 数据集实验结果对比 综合图 12 可以判断，该信号的 Cen 处于前半
Table 3 Comparison of experimental re- 段，所以采用 SPIC-0 来量化降噪效果，统计降噪
sults of data sets 前后的 SPIC-0，并计算 CEEMD 和 CEEMD-WPT
的方差 (原信号和小波阈值降噪的方差没有统计意
方法 SPIC-0 平均值 方差/×10 −2
义)，汇集于表 4。不难发现，CEEMD-WPT 有着最
原信号 0.288
测试集 低的 SPIC-0 指数，证明其降噪效果优于其他算法。
传统 CEEMD 0.169
全部信号 而根据统计方差可以看出，本文方法明显低于传统
本文方法 0.156
CEEMD 一个数量级，证明本文的改进有利于提升
原信号 0.88
信号 5 传统 CEEMD 0.362 0.158 算法的稳定性。
本文方法 0.172 0.013 CEEMD-WPT 相较于传统 CEEMD 降噪效果
原信号 0.874 的提升可以被解释为，一方面，由于传统 CEEMD
信号 7 传统 CEEMD 0.531 0.010 和 CEEMD-WPT 中添加的白噪声具有随机性，所
本文方法 0.188 0.005 以降噪效果存在不稳定因素，而 CEEMD-WPT 应
原信号 0.87
用了降噪效果更加稳定的 WPT-EMD 方法代替了
信号 19 传统 CEEMD 0.594 0.034
原有的单一 EMD，所以降噪结果更加稳定；另一方
本文方法 0.207 0.009
面由于传统 CEEMD 方法引入噪声来平滑突变点
时，在非突变点位置也引入了随机噪声，对其进行
5 实验
WPT 降噪可再分解前有效去除非突变点的噪声，
为了验证本文方法在实际工况下的降噪效果， 从而提升整体的降噪效果。
按照圆柱结构设计了试件。在拉扭疲劳实验系统上
进行了拉伸实验，并使用 AE 传感器收集信号，型
号为 RXP15。试件材料为铝合金。拉扭疲劳实验
系统载荷能力 ±250 kN，扭转载荷能力 ±2200 Nm，
载荷传感器的精度为 ±0.5%。AE 采集系统为 PX-
DAQ24260B，采集频率为 2.5 MHz，A/D 转换器分
辨率为 24 位，带通滤波频率范围为 20∼800 kHz。
(a) ઢͩҒ
图 11(a) 为拉伸前试件结构图，图 11(b) 为试件在
1000 N 载荷下产生的裂纹图(裂纹用红色表示)。
在信号采集过程中，不可避免地受到了工作环
境背景噪声、采集仪器电磁干扰和设备运行噪声
的复合影响，最终采集到的信号波形如图 12(a) 所
示，然后对此信号进行小波阈值、传统 CEEMD 和
CEEMD-WPT降噪，其降噪后波形为图12(b)∼(d)，
最后绘制其频谱于图12(e)。 (b) ઢͩՑ
观察图 12(a) 可以发现，信号整体存在较大的 图 11 试件
噪声干扰，对裂纹 AE 信号的识别有着严重的影 Fig. 11 Test piece