为有效、快速地处理含噪声数据,提出将轴承故障诊断建模为时间序列分类任务。利用奇异谱分析将一维时间序列扩展为多维时间序列,并实现降噪;利用凸优化算法快速、有效地从噪声数据中学习到FCMs模型,将时间序列转换成C×C的特征矩阵;采用神经网络对特征矩阵进行分类。利用CWRU轴承数据集对所提出的方法进行验证,结果表明与传统方法相比,所提方法在轴承故障诊断方面的性能较优。

针对目前动态称重系统称重误差较大的现状,设计了基于奇异谱分析的动态称重系统。在汽车综合试验场,根据设计的动态称重系统及所选用的压电石英称重传感器的特点,采用两轴车辆及多轴车辆在S形通过、高速行驶刹车通过、不同车速通过的三种情况下采集称重数据。利用车辆的轴重与采集的信号所包围的面积关系计算得到车重,并将奇异谱分析（SSA）算法应用于动态称重系统的数据处理中。试验结果表明：SSA算法与传统的小波分析算法相比能够明显降低称重误差,可广泛推广应用于动态称重系统中。