2019年10月，浙江大学能源工程学院动力机械及车辆工程研究所振动噪声研究团队——邱毅教授课题组在测量科学国际权威期刊《Measurement Science and Technology》（ZJU TOP）发表文章：“A dichotomy-based variational mode decomposition method for rotating machinery fault diagnosis”，系统研究了变分模态分解算法中不同取值下的归一化初始频率和惩罚因子对造成欠分解、过分解和虚假模态这三种模态混叠现象的影响，并提出了基于二分法的自适应变分模态分解改进算法，研究成果对分离振声信号中的窄带本征模态分量具有重要意义。
振声信号的盲源分离算法一直是故障诊断及信号处理算法中的研究热点，其对分离、识别并提取振声信号中的故障时频特征，诊断故障形成的内在机理具有重要意义。课题组通过变分模态分解算法的仿真信号试验研究，发现了算法中的归一化初始频率和惩罚因子对变分模态分解的结果有显著影响，并首次提出了U型模态分解优先级云图这一理论概念。
U型模态分解优先级云图
通过这一理论概念，课题组解释了变分模态分解在不同的归一化初始频率和惩罚因子的取值下会出现欠分解、过分解和虚假模态这三种模态混叠现象的成因，并提出了基于二分法的自适应变分模态分解改进算法。这一方法克服了变分模态分解的结果受到初始定义参数影响的缺陷，能够自适应地搜索整个分析频带的窄带本征模态分量，并剔除虚假模态。通过仿真信号试验证明，课题组提出的变分模态分解改进算法能够有效地解决模态混叠的现象，为基于振声信号的故障诊断研究提供了重要的理论支撑。
仿真信号分解中出现的模态混叠及虚假模态现象
基于二分法的自适应变分模态分解改进算法流程
同一仿真信号被改进算法分解后的结果
该研究受到国家自然科学基金的资助，研究还得到一汽解放汽车有限公司发动机业务部刘瑞俊博士的帮助。论文第一作者为郝志勇教授、邱毅教授课题组的教师郑旭副教授，第二作者为能源工程学院车辆所2014级博士研究生周全，通讯作者为邱毅教授。感谢能源工程学院以及车辆所各级领导、专家老师们对振动噪声团队的长期大力支持！
