[1]张莹,孙广俊,李鸿晶.钢筋混凝土框架近断层速度脉冲地震响应分析[J].振动、测试与诊断,2020,40(2):611-619.

[2]石瑞敏,杨兆建.基于LMD能量特征的滚动轴承故障诊断方法[J].振动、测试与诊断,2015,35(5):832-836.

[3]王保建,张小丽,傅杨奥骁,陈雪峰.优化支持向量机及其在智能故障诊断中的应用[J].振动、测试与诊断,2017,37(3):547-552.

[4]蒋永华,阚君武,程光明等.应用自适应Morlet小波和NGA优化SVM的轴承故障诊断[J].振动、测试与诊断,2013,33(5):751-754.

[5]王亚萍,许迪,葛江华,孙永国,隋秀凛.基于SPWVD时频图纹理特征的滚动轴承故障诊断[J].振动、测试与诊断,2017,37(1):115-199.

[6]李健宝,彭涛.基于小波包参数模型的滚动轴承智能故障诊断[J].振动、测试与诊断,2012,32(2):229-233.

[7]石志标,葛春雪.基于CS-BBO优化SVM的汽轮机转子故障诊断[J].振动、测试与诊断,2018,38(3):619-626.

[8]王维刚,陶京,刘占生.基于半监督最大间隔字典学习的故障诊断方法[J].振动、测试与诊断,2019,39(5):1068-1074.

[9]熊庆,张卫华,陆天炜,梅桂明,李夫忠.基于α稳定分布参数估计的滚动轴承故障诊断[J].振动、测试与诊断,2015,35(2):238-244.

[10]许迪,葛江华,王亚萍,卫芬,邵俊鹏.量子遗传算法优化的SVM滚动轴承故障诊断[J].振动、测试与诊断,2018,38(4):843-851.

[11]胡荣华,楼佩煌,唐敦兵,刘明灯.基于EMD和免疫参数自适应SVM的滚动轴承故障诊断[J].计算机集成制造系统,2013,19(2).

[12]孙学斌.AR模型和SVM在机床滚动轴承故障诊断中的应用[J].机械工程与自动化,2010(2):132-134.

[13]汤芳,刘义伦,龙慧.稀疏自编码深度神经网络及其在滚动轴承故障诊断中的应用[J].机械科学与技术,2018(3).

[14]孙国栋,周振,王俊豪,张杨,赵大兴.基于稀疏编码空间金字塔匹配和GA-SVM的列车故障自动识别[J].光学精密工程,2018,26(12):3087-3098.

[15]侯荣涛,周子贤,赵晓平,谢阳阳,王丽华.基于堆叠稀疏自编码的滚动轴承故障诊断[J].轴承,2018(3).

[16]梁治华,曹江涛,姬晓飞.基于EEMD和CS-SVM的滚动轴承故障诊断研究[J].机电工程,2019(6).

[17]孙健,王成华.基于mRMR原则和优化SVM的模拟电路故障诊断[J].仪器仪表学报,2013,34(1):221-226.

[18]冯子豪,周火青,高立新,陈志新.粗糙集在滚动轴承故障诊断中的应用[J].机械设计与制造,2012(10):62-64.

[19]侯文擎,叶鸣,李巍华.基于改进堆叠降噪自编码的滚动轴承故障分类[J].机械工程学报,2018(7).

[20]王硕,唐建明,徐荣华.使用PCA及SVM算法进行滚动轴承故障检测[J].机电工程技术,2005,34(2):31-32.