分层带宽自适应变分模态分解：算法与应用

《Scientific Reports》：Hierarchical bandwidth-adaptive variational mode decomposition: algorithms and applications

　　

摘要

非线性与非平稳信号分析常常会受到模态混合和参数适应性受限的影响。为解决这些问题，本文提出了一种分层带宽自适应变分模态分解方法，即HBVMD。该方法采用自上而下的二进制递归策略将信号分解为低频和高频分量。在每个节点上都会构建一个二进制变分模型。递归终止条件和分解深度则由时变的互信息准则以及模态能量阈值来确定，因此无需预先设定内在模态的数量。随后，该方法引入了动态双带宽惩罚机制，对低频分量施加更强的窄带正则化处理，同时对高频分量允许根据瞬态特性进行带宽放宽。增广拉格朗日步长则会根据局部信噪比进行自适应调整。在轴承故障数据集上的实验表明，HBVMD具有较高的诊断准确率和可靠性，尤其在复合故障检测和特征提取方面表现优异。这些结果说明，HBVMD为工业故障诊断提供了一种稳健且易于理解的框架。