[1]基于卷积神经网络和离散小波变换的滚动轴承故障诊断[J].振动工程学报

[2]刘占生 须根法.旋转机械故障诊断的自学习方法研究[J].振动工程学报,1996,9(4):405-410.

[3]张小栋 朱均.旋转机械故障诊断中的主从混合神经网络模型研究[J].振动工程学报,1996,9(3):220-229.

[4]孟雅俊,黄士涛,胡全义.基于小波包变换的径向基神经网络在故障诊断中的应用[J].噪声与振动控制,2006,26(6):36-39.

[5]基于深度卷积神经网络与WPT-PWVD的轴承故障智能诊断[J].振动与冲击

[6]自适应卷积神经网络在旋转机械故障诊断中的应用[J].振动与冲击

[7]孙卫祥,陈进,吴立伟,伍星.基于PCA与决策树的转子故障诊断[J].振动与冲击,2007,26(3):72-74.

[8]臧朝平 韩芳.基于多神经网络多参数综合的旋转机械故障诊断系统研究[J].振动与冲击,1997,16(4):65-68.

[9]旋转机械一维深度卷积神经网络故障诊断研究[J].振动与冲击

[10]卢娜,肖志怀,张广涛,孙召辉.基于自适应多小波与综合距离评估指数的旋转机械故障特征提取[J].振动与冲击,2014,33(12):193-199.

[11]基于小波时频图和卷积神经网络的断路器故障诊断分析[J].振动与冲击

[12]杨克俭,梁佳成,王艳秋.基于RPROP神经网络算法的旋转机械故障诊断模型[J].硅谷,2008(23):116-116.

[13]李如强,陈进,伍星.基于奇异值分解、模糊聚类和粗糙集理论的旋转机械故障诊断[J].振动与冲击,2005,24(4):46-49.

[14]基于模糊神经网络的智能故障诊断专家系统[J].振动与冲击

[15]徐敏,陶永,魏洪兴.基于PB递归神经网络的陪护机器人多模式交互控制方法[J].高技术通讯,2011,21(8).

[16]基于DCAE-CNN的自动倾斜器滚动轴承故障诊断[J].振动与冲击

[17]韦鹏生.混沌神经网络在结构地震反应分析中应用初探[J].工程力学,1997(A03):146-150.

[18]李红芳,张清华,谢克明.旋转机械的并发故障诊断技术研究进展[J].噪声与振动控制,2008,28(3):67-70.

[19]向玲,唐贵基,胡爱军.旋转机械非平稳振动信号的时频分析比较[J].振动与冲击,2010,29(2):42-45.

[20]张文斌,周晓军,林勇,李俊生,沈路.基于谐波小波包方法的旋转机械故障信号提取[J].振动与冲击,2009,28(3).