[1]基于特征的迁移神经网络轴承智能故障诊断[J].机械设计与制造

[2]黄燕.一种振动监测系统的应用[J].电子仪器仪表用户,2000,7(1):33-34.

[3]王晓升 屈梁生.Poincare变换——一种判定机械故障的新方法[J].压缩机技术,1996(5):20-22.

[4]韩捷 在惠玲.矢谱：一种实用的旋转机械故障诊断分析方法[J].机械强度,1998,20(3):212-215.

[5]廖玉波,俞啸,李伟生,刘文峰,曹西鹤,董飞.基于深度置信网络的旋转机械迁移故障诊断[J].机电工程,2022,39(2):193-201.

[6]陈祝云,钟琪,黄如意,廖奕校,李霁蒲,李巍华.基于增强迁移卷积神经网络的机械智能故障诊断[J].机械工程学报,2021,57(21):96-105.

[7]院老虎,陈源强,杜白雨,张泽鹏,刘刚.基于AlexNet和迁移学习的滚动轴承故障诊断研究[J].机电工程,2021,38(8):1016-1022.

[8]赵靖,杨绍普,李强,刘永强.一种残差注意力迁移学习方法及其在滚动轴承故障诊断中的应用[J].中国机械工程,2023,34(3):332-343.

[9]屈梁生,张海军.提高故障诊断质量的几种方法[J].中国机械工程,2001,12(10):1168-1172.

[10]陈鹏,赵小强.一种改进1DCNN的滚动轴承变工况故障诊断方法[J].轴承,2022(5):65-69.

[11]吕文渊.一种基于大数据诊断模型的机械齿轮箱复合识别方法[J].制造业自动化,2022(2):176-178,182.

[12]李如强,陈进伍星.一种基于粗糙集和模式识别的旋转机械故障诊断方法[J].机械科学与技术,2004,23(11):1308-1312.

[13]吴定海,任国全,王怀光,张云强.基于卷积神经网络的机械故障诊断方法综述[J].机械强度,2020,42(5):1024-1032.

[14]徐文博,任亚峰,韩冰.一种基于深度学习理论的齿轮系统故障诊断方法[J].机械传动,2020,44(8):78-83.

[15]朱江淼,胡鹏.一种轴承故障诊断的改进型小波包包络方法[J].机械传动,2010,34(8).

[16]李可,燕晗,顾杰斐,宿磊,苏文胜,薛志钢.基于shapelets时间序列的多源迁移学习滚动轴承故障诊断方法[J].中国机械工程,2022,33(24):2990-2996+3006.

[17]毕鹏远.一种基于Conv-LSTM的滚动轴承故障诊断方法[J].机电工程技术,2021,50(11):113-115.

[18]陈宏,雷文平,陈磊,韩捷.一种转子动态不对中量计算方法[J].中国机械工程,2016,27(17):2379.

[19]胡向东,杨希.基于孪生域对抗迁移学习的滚动轴承故障诊断方法[J].轴承,2023(7):79-86.

[20]林培,许杨剑,傅军平,陈栋栋,鞠晓喆,梁利华.基于1D-DCGAN和1D-CAE的小样本轴承故障跨域诊断方法[J].机电工程,2023(3):326-334.