智能故障诊断和寿命预测期刊推荐

往期精彩内容：

Python-凯斯西储大学（CWRU）轴承数据解读与分类处理

基于FFT + CNN - BiGRU-Attention 时域、频域特征注意力融合的轴承故障识别模型-CSDN博客

基于FFT + CNN - Transformer 时域、频域特征融合的轴承故障识别模型-CSDN博客

Python轴承故障诊断 (11)基于VMD+CNN-BiGRU-Attenion的故障分类-CSDN博客

Python轴承故障诊断 (13)基于故障信号特征提取的超强机器学习识别模型-CSDN博客

Python轴承故障诊断 (14)高创新故障识别模型-CSDN博客

Python轴承故障诊断 (15)基于CNN-Transformer的一维故障信号识别模型-CSDN博客

Python轴承故障诊断 (16)高创新故障识别模型（二）-CSDN博客

轴承故障全家桶更新 | 基于时频图像的分类算法-CSDN博客

Python轴承故障诊断 (17)基于TCN-CNN并行的一维故障信号识别模型-CSDN博客

独家原创 | SCI 1区高创新轴承故障诊断模型！-CSDN博客

基于 GADF+Swin-CNN-GAM 的高创新轴承故障诊断模型-CSDN博客

Python轴承故障诊断 (18)基于CNN-TCN-Attention的创新诊断模型-CSDN博客

注意力魔改 | 超强轴承故障诊断模型！-CSDN博客

轴承故障全家桶更新 | 基于VGG16的时频图像分类算法-CSDN博客

轴承故障全家桶更新 | CNN、LSTM、Transformer、TCN、串行、并行模型、时频图像、EMD分解等集合都在这里-CSDN博客

Python轴承故障诊断 (19)基于Transformer-BiLSTM的创新诊断模型-CSDN博客

Python轴承故障诊断 (20)高创新故障识别模型（三）-CSDN博客

视觉顶会论文 | 基于Swin Transformer的轴承故障诊断-CSDN博客

Python轴承故障诊断 | 多尺度特征交叉注意力融合模型-CSDN博客

SHAP 模型可视化 + 参数搜索策略在轴承故障诊断中的应用-CSDN博客

速发论文 | 基于 2D-SWinTransformer+1D-CNN-SENet并行故障诊断模型-CSDN博客

Python轴承故障诊断 (21)基于VMD-CNN-BiTCN的创新诊断模型-CSDN博客

1DCNN-2DResNet并行故障诊断模型-CSDN博客

基于改进1D-VGG模型的轴承故障诊断和t-SNE可视化-CSDN博客

基于K-NN + GCN的轴承故障诊断模型-CSDN博客

故障诊断 | 创新模型更新：基于SSA-CNN-Transformer诊断模型-CSDN博客

独家首发 | 基于 2D-SwinTransformer + BiGRU-GlobalAttention的并行故障诊断模型-CSDN博客

位置编码祛魅 | 详解Transformer中位置编码Positional Encoding-CSDN博客

创新点 | 基于快速傅里叶卷积（FFC）的故障诊断模型-CSDN博客

代码开源! | 变工况下的域对抗图卷积网络故障诊断-CSDN博客

超强！顶会创新融合！基于 2D-SWinTransformer 的并行分类网络-CSDN博客

多模态-故障诊断 | 大核卷积开启视觉新纪元!-CSDN博客

超强！一区直接写！基于SSA+Informer-SENet故障诊断模型-CSDN博客

Transformer结构优势 ,How Much Attention Do You Need?-CSDN博客

故障诊断 | 一个小创新：特征提取+KAN分类-CSDN博客

故障诊断 | 信号降噪算法合集-CSDN博客

图卷积故障诊断，新增GAT、SGCN、GIN分类模型-CSDN博客

不能错过！故障诊断+时频图像分类大更新！-CSDN博客

前言

在故障诊断领域，收集和管理文献是论文写作和研究的重要环节。本期分享一个故障诊断领域期刊推荐的开源仓库！可以帮助大家更高效地找到高质量的文献。下面是一些关于如何利用开源资源和文献管理的建议，以及一些推荐的工具和方法!

1 文献收集和管理的三个阶段

1.1 第一阶段：广泛阅读文献

（1）目的：了解研究领域的整体趋势和热点。

（2）工具：使用 Google Scholar、IEEE Xplore、ScienceDirect 等数据库进行关键词搜索。

（3）策略：在初期不必过于深入，主要是浏览摘要和结论，筛选出与你的研究主题相关的文献。

1.2 第二阶段：收集高质量期刊作为参考文献

通过积累和引用高质量期刊作为参考文献，可以显著提高你论文的质量和可信度！

（1）目的：建立一个可靠的研究基础。

（2）工具：使用文献管理软件如 Zotero、EndNote 或 Mendeley。

（3）策略：

关注高影响力的期刊，如 IEEE Transactions 系列、Mechanical Systems and Signal Processing 等。
选择引用次数高且与自己的研究方向高度相关的文章。

（4）预期效果：

增强论文的权威性：引用高影响力期刊中的研究能够增加你的论文的权威性和说服力，因为这些期刊通常经过严格的同行评审，质量较高。
显示对领域的深刻理解：引用高质量的文献表明你对研究领域有全面和深入的了解，能够有效地识别和引用最有影响力的工作。
支持论点和假设：高质量的参考文献可以为你的研究假设和结论提供有力的支持，增强论文的科学性和可靠性。

1.3 第三阶段：参考一到两篇进行仿写

（1）目的：在理解的基础上，学习优秀的论文结构和写作风格。

（2）策略：

选定几篇与你的研究非常接近的高质量论文，重点学习它们的结构、方法描述和数据呈现方式。
注意模仿的是写作风格和结构，而不是内容抄袭。

通过积累高质量文献，你可以学习到优秀的研究设计和写作技巧，这有助于提高你自己论文的整体质量！

2 开源仓库简介

仓库名称：智能故障诊断和寿命预测期刊

仓库链接：

https://github.com/liguge/Journals-of-Prognostics-and-Health-Management

2.1 仓库作者、贡献者

作者1：

作者主页：

https://github.com/liguge

作者2：

作者主页：

https://github.com/JustCoolPig

作者3：

作者主页：

https://github.com/HappyBoy-cmd

2.2 初衷

笔者刚步入这个行业的时，做了很多无用功，研究收效甚微。高质量的论文有助于论文构思，实验设计和写作规范等。为让大家能够更早地阅读高质量论文，早日入门，所以做了这个英文期刊的推荐列表，主要目的有两个：一是帮助大家快速找到符合自己研究兴趣的高质量论文，把握行业的研究方向和整体趋势。二是方便大家对自己论文的内容和质量迅速定位，选择合适的期刊投稿，提高投稿成功率。

2.3 说明

不同学院对于论文的评定标准不一样。计算机类，软件类学科较为认可CCF等级认定的期刊和会议或清华大学计算机学科分级目录；其他学院基本认可中科院分区(从2022年开始，分区表将只发布升级版结果，不再有基础版和升级版之分)或者学校（院）自行划定的期刊目录；当然，现在也在逐步推广学校（院）对于各学会《高质量科技期刊分级目录》的认可度；有的学校（院）对于IEEE trans的认可度则非常高。
推荐期刊仅仅是笔者在阅读论文过程中的总结，可能不全，欢迎大家提issue补充。
有的期刊刊发的智能故障诊断的论文比较多。有些期刊也刊发智能故障诊断的论文，但是选择这类期刊时需要注意论文研究的对象要符合期刊范围。
ablesci中的网页包含期刊的一些基本信息，也包括LetPub 、小木虫、SCIMAG等可以查看该期刊的网友互动，及期刊影响力的其它指标。
"N"表示没有收录到CCF或者CAAI推荐目录。
预警期刊：2020 ; 2021 ; 2023 ; 2024