El método de descomposición modal variacional (VMD) se ha aplicado ampliamente en el campo del diagnóstico de fallas mecánicas como una excelente herramienta de procesamiento de señales no recursiva. El rendimiento de VMD depende de sus parámetros previos inherentes. La búsqueda de los parámetros clave de VMD utilizando algoritmos de optimización inteligente plantea desafíos para la esencia interna y la selección de la función de aptitud del algoritmo de optimización inteligente. Además, la complejidad computacional de la optimización es alta. Mientras tanto, tales métodos no son competitivos en la evaluación de la ortogonalidad entre las funciones de modo intrínseco y el error de reconstrucción de la señal como un indicador conjunto para la terminación de la descomposición. Por lo tanto, este documento propone un nuevo método de descomposición modal variacional auto-regulativo disperso (ASparse-VMD) para lograr una extracción de características precisa. El término de regularización de VMD maneja la dispersión mediante la construcción de una norma con un coeficiente de amortiguación, y el número de modos se establece de manera adaptativa de forma recursiva para garantizar la adecuación. El parámetro de penalización se selecciona dinámicamente de acuerdo con el número de modos y la frecuencia de muestreo. El paso de actualización del algoritmo VMD se establece utilizando la relación señal-ruido para garantizar la singularidad y ortogonalidad de los componentes modales y suprimir el aliasing de modo. Los resultados experimentales de la señal de simulación y la señal medida demuestran la efectividad de las estrategias propuestas para mejorar los defectos inherentes de VMD. Comparaciones extensas con métodos de vanguardia muestran que el algoritmo propuesto es más efectivo y práctico para la extracción de características híbridas en fallas mecánicas.