基于CEEMD 的數(shù)控機床噪音信號處理方法研究

郭雙雙，田軍委*，張 震，孫光宇

（西安工業(yè)大學 機電工程學院，陜西 西安 710021）

引言

在機電設備故障診斷領域，通過對噪聲信號進行采集分析，用以實現(xiàn)設備運行狀態(tài)的判定，是一個比較熱門的研究方向，由于噪聲信號中包含了很多難以通過傳統(tǒng)機械和電氣信號獲取的特征信息，降低了故障診斷的準確性[1]，因此需要對噪聲信號進行降噪處理，為后續(xù)進行更加精準的故障診斷工作打下基礎。

目前關于噪聲信號的研究對象比較分散，侯一民[2]等提出基于EEMD 與Fast-ICA 相結(jié)合的單通道機械噪聲信號盲源分離方法。高磊磊[3]等利用小波包將某工程機械的噪聲信號通過灰色關聯(lián)理論進行灰色關聯(lián)分析，識別出噪聲源。梁勝杰等[4]人使用主成分分析法將實驗所得的殼體噪聲數(shù)據(jù)進行降維處理。葉朋[5]等為解決信號噪聲消除問題，設計了一種基于改進LMS算法的自適應噪聲對消系統(tǒng)。王火平[6]等通過引入噪聲矢量數(shù)據(jù)場體系，完成了船舶的噪聲數(shù)據(jù)分析方法優(yōu)化。

文章通過對比小波包分解等四種方法的去噪效果圖和去噪評價指標，驗證了本研究提出的互補集合經(jīng)驗模態(tài)分解去噪方法的優(yōu)越性。

1 噪音信號去噪

經(jīng)驗模態(tài)分解（Empirical Mode Decomposition，EMD）是1988 年Huang 等首次提出的一種處理信號的方法，理論上EMD 可將任何類型的信號分為多個本征模態(tài)函數(shù)和一個殘差分量，但是EMD 在分解信號的過程中容易出現(xiàn)模態(tài)混疊。在EMD 的基礎上添加白噪聲信號，即集合經(jīng)驗模態(tài)分解(Ensemble Empirical Mode Decomposition,EEMD)，可有效抑制模態(tài)混疊，由于白噪聲影響原始信號的重構(gòu)，研究人員[7]提出互補集合經(jīng)驗模態(tài)分解方法（Complementary Ensemble Empirical Mode Decomposition，CEEMD），CEEMD 引入高斯正負白噪聲，更好的消除因添加白噪聲而導致的重構(gòu)誤差問題。CEEMD 算法分解步驟如下：

（1） 向原始信號中加入p 對正負白噪聲組成的輔助白噪聲[5]，生成兩組IMF 集合：

其中，S 為原信號；P 為輔助白噪聲；M1、M2分別是加入正負白噪聲后的信號，由此可以得到2p 組IMF集合。

（2） 對每個信號都進行EMD 分解，每個信號都可以得到一組IMF，將第i 個信號的第j 個IMF 分量記作cij。

（3）將得到的2n 組IMF 進行平均，得到最終的IMF 分量：

與EMD 相同，原始信號的最高頻和噪聲最多的部分位于IMF1中。該算法需要添加兩個參數(shù)：輔助白噪聲幅值k 和對數(shù)N，一般當N 取100 時，k 取0.01～0.10。

針對去噪處理后的數(shù)控機床噪音信號，其去噪效果通過信噪比和均方誤差兩個評價指標進行衡量。

（1） 信號噪聲比SNR。根據(jù)SNR 的定義可知其為原始信號和噪聲能量之間的比值。計算公式為：

（2） 均方誤差MSE。MSE 是指原始信號與去噪重構(gòu)信號的均方誤差，MSE 越小，其去噪效果越好。計算公式為：

2 數(shù)據(jù)采集實驗

數(shù)控機床數(shù)據(jù)采集系統(tǒng)的硬件決定著系統(tǒng)運行的穩(wěn)定性，是數(shù)控機床數(shù)據(jù)采集系統(tǒng)的基礎，硬件部分可分為兩部分：一是上位機，采用1 臺筆記本電腦處理采集到的數(shù)據(jù)；二是數(shù)據(jù)采集部分，它由振動傳感器、噪音傳感器和溫度傳感器及采集后用到的數(shù)個數(shù)據(jù)處理模塊組成。數(shù)據(jù)采集系統(tǒng)的組成框圖見圖1。

圖1 數(shù)據(jù)采集系統(tǒng)組成框圖

2.1 數(shù)據(jù)采集系統(tǒng)

數(shù)據(jù)采集系統(tǒng)的框圖如圖1 所示，主要組成部分包括振動傳感器、溫度傳感器和噪音傳感器、STM32H743 主控制器、電流轉(zhuǎn)電壓模塊、UART 轉(zhuǎn)RS232 模塊和RS232 轉(zhuǎn)USB 模塊。數(shù)控機床本體機械部件的狀態(tài)信息可以通過在機床Y 軸部署傳感器，搭建完備的采集系統(tǒng)進行數(shù)據(jù)采集，組成完成后的數(shù)據(jù)采集系統(tǒng)見圖2。

圖2 數(shù)據(jù)集采集系統(tǒng)

2.2 上位機軟件

上位機軟件通過python 軟件利用python 語言編寫，實現(xiàn)了單片機和上位機軟件串口通信，振動數(shù)據(jù)、溫度數(shù)據(jù)和噪聲數(shù)據(jù)的顯示和存儲測。如圖3 所示上位機界面。

圖3 上位機軟件

2.3 實驗平臺搭建

文章使用TAKANG VMC-760 數(shù)控機床開展數(shù)據(jù)采集實驗，通過噪音傳感器測量Y軸電機運行過程中的噪音信號，由數(shù)據(jù)采集系統(tǒng)上傳給上位機，并對噪音信號進行去噪處理分析，數(shù)據(jù)采集實驗過程見圖4。

圖4 數(shù)據(jù)采集實驗過程

3 實驗結(jié)果分析

通過上文所示的數(shù)據(jù)采集系統(tǒng)采集到的噪音數(shù)據(jù)所生成的噪音信號見圖5。本研究通過小波包分解去噪、EMD 去噪等四種去噪方法分別對噪音信號進行去噪處理，并通過計算去噪信號的信噪比和均方誤差，選取最優(yōu)的去噪方法。

3.1 噪音信號去噪處理

由圖5 的噪聲幅值譜可發(fā)現(xiàn)信號的低頻部分的分量比較多，說明噪聲信號在低頻部分信號所包含的外部噪聲較多，為更加精準的對數(shù)控機床進行故障診斷，對該噪音信號進行去噪處理。

圖5 噪音信號與頻譜圖

3.2 噪音信號處理結(jié)果分析

本研究首先對采集到的噪聲信號根據(jù)其包絡譜特征對其進行工頻濾除，由于包絡譜在時間為0 處有振幅，見圖6，分析發(fā)現(xiàn)此現(xiàn)象產(chǎn)生的原始是工頻造成的。我國的工頻頻率為50 Hz，所以通過設計一個50 Hz 的帶通濾波器濾除該噪音信號的工頻，去除工頻后的噪音信號見圖7。

圖6 噪音信號包絡譜

圖7 去除工頻后噪音信號

通過Matlab 對生成的信號分別使用小波包分解、EMD、EEMD 和CEEMD 四種去噪方法，去噪的效果對比圖見圖8，計算的評價指標見表1。

圖8 噪音信號去噪效果對比

通過對以上噪音信號的去噪圖對比，并結(jié)合表1可得：CEEMD 的去噪效果最好，SNR 最高為15.008 7，MSE 最小為0.029 569，因此選擇CEEMD 作為噪音信號的去噪方法。

表1 噪音信號去噪評價指標

4 結(jié)論

本研究通過小波包分解去噪、EMD 去噪等四種方法分別對噪音信號進行去噪處理，四種去噪方法均對噪音信號有一定程度的去噪效果，最終結(jié)合其去噪效果圖和去噪評價指標可知：CEEMD 的信噪比較高、均方誤差較小，因此該方法具有較優(yōu)的去噪效果。