变分模态分解(variational mode decomposition，VMD)是一种新出现的信号分解算法，本文对比研究了变分模态分解与常用信号自适应分解算法的性能及其在故障诊断中应用，取得以下成果:　　研究了经验模态分解（empirical mode decomposition，EMD）的算法特点及存在的不足，重点探讨了经验模态分解中模态混叠问题。分析了产生模态混叠的原因，总结了模态混叠模式。通过仿真信号分析，说明变分模态分解能有效抑制经验模态分解各种模式的模态混叠。　　与经验模态分解相比，变分模态分解基于数学框架而非迭代算法，将一个复杂信号同步分解为多个有限带宽、近似正交的固有模态函数。通过计算机生成和工程实际信号分析，说明了变分模态分解在噪声鲁棒性和分解能力等方面优于经验模态分解和总体平均经验模态分解(ensemble empirical mode decomposition，EEMD)。　　针对变分模态分解方法中惩罚因子和模态个数参数设置对分解结果影响较大的问题，通过对滤波特性和分解时长的研究，提出了合理的参数设置方案，并有效验证。　　总结上述研究成果，提出了一种基于变分模态分解的机车轴承故障诊断方法。HXD3型机车运行试验证明，上述方法能准确诊断机车轴箱轴承和牵引电机轴承故障。