Haidong Shao,Hongkai Jiang,Huiwei Zhao,Fuan Wang.A novel deep autoencoder feature learning method for rotating machinery fault diagnosis[J].Mechanical Systems and Signal Processing,2017.

Feng Jia,Yaguo Lei,Jing Lin,Xin Zhou,Na Lu.Deep neural networks: A promising tool for fault characteristic mining and intelligent diagnosis of rotating machinery with massive data[J].Mechanical Systems and Signal Processing,2016.

Shaheryar Ahmad,Yin Xu Cheng,Hao Hong Wei,Ali Hazrat,Iqbal Khalid.A Denoising Based Autoassociative Model for Robust Sensor Monitoring in Nuclear Power Plants[J].Science and Technology of Nuclear Installations,2016.

张西宁,向宙,夏心锐,李立帆.堆叠自编码网络性能优化及其在滚动轴承故障诊断中的应用[J].西安交通大学学报,2018(10).

张西宁,向宙,唐春华.一种深度卷积自编码网络及其在滚动轴承故障诊断中的应用[J].西安交通大学学报,2018(07).

崔江,唐军祥,龚春英,张卓然.一种基于改进堆栈自动编码器的航空发电机旋转整流器故障特征提取方法[J].中国电机工程学报,2017(19).

雷亚国,贾峰,孔德同,林京,邢赛博.大数据下机械智能故障诊断的机遇与挑战[J].机械工程学报,2018(05).

王丽华,谢阳阳,张永宏,赵晓平,周子贤.采用深度学习的异步电机故障诊断方法[J].西安交通大学学报,2017(10).

任浩,屈剑锋,柴毅,唐秋,叶欣.深度学习在故障诊断领域中的研究现状与挑战[J].控制与决策,2017(08).

张西宁,雷威,李兵.主分量分析和隐马尔科夫模型结合的轴承监测诊断方法[J].西安交通大学学报,2017(06).

张绍辉.基于多路稀疏自编码的轴承状态动态监测[J].振动与冲击,2016(19).

李国杰,程学旗.大数据研究:未来科技及经济社会发展的重大战略领域——大数据的研究现状与科学思考[J].中国科学院院刊,2012(06).