[1]李可,贺少杰,宿磊,顾杰斐,苏文胜,卢立新.基于进化算法优化GAN的轴承故障诊断[J].振动、测试与诊断,2023,43(2):298-303.

[2]李洁松,伍星,刘韬,刘畅.旋转设备数据不平衡问题的数据生成方法[J].振动、测试与诊断,2023,43(3):547-554.

[3]庞新宇,魏子涵,仝钰.基于SCGAN网络的齿轮故障诊断方法[J].振动、测试与诊断,2022,42(2):358-364.

[4]晁阁,杨宇,王平,王健.IDCGAN及其在滚动轴承故障诊断中的应用[J].机械设计与制造,2022(6):54-58+64.

[5]张笑璐,邹益胜,曾大懿,彭飞,赵市教.样本不均衡下的DCGAN轴承故障诊断方法[J].机械科学与技术,2022,41(1):9-15.

[6]何强,唐向红,李传江,陆见光,陈家兑.负载不平衡下小样本数据的轴承故障诊断[J].中国机械工程,2021,32(10):1164.

[7]潘继财.大数据样本与半监督环境下基于生成对抗网络的故障诊断[J].机械与电子,2021(5):20-25.

[8]郭伟,邢晓松.基于改进卷积生成对抗网络的少样本轴承智能诊断方法[J].中国机械工程,2022,33(19):2347-2355.

[9]孟宗,关阳,潘作舟,孙登云,樊凤杰,曹利宵.基于二次数据增强和深度卷积的滚动轴承故障诊断研究[J].机械工程学报,2021,57(23):106-115.

[10]应用深度学习的生成对抗网络行星齿轮箱故障诊断技术研究[J].机械科学与技术

[11]徐卓飞,武丽花,黄卿,刘善慧,赵庆海.基于深度残差网络的滚动轴承故障诊断方法[J].机械设计与研究,2021,37(3):78-83.

[12]丁煦,王栋,翟华.半监督阶梯网络和GAN在滚动轴承故障诊断的应用[J].机械设计与制造,2022,375(5):152-156.

[13]徐卓飞,李旭东,张婵婵,侯和平,张 武.基于孪生网络的小样本滚动轴承故障诊断研究[J].仪器仪表学报,2022,43(10):241-251.

[14]王昕钰,王倩,程敦诚,吴福庆.基于三级级联架构的接触网定位管开口销缺陷检测[J].仪器仪表学报,2019,40(10):74-83.

[15]邢蓉,高丙朋,侯培浩,朱俊栋.基于MSCNN与STFT的滚动轴承故障诊断研究[J].机械传动,2020,44(7):41-45,58.

[16]李可,祁阳,宿磊,顾杰斐,苏文胜.基于改进ACGAN的钢表面缺陷视觉检测方法[J].机械工程学报,2022,58(24):32-40.

[17]余阿东.基于深度字典学习的滚动轴承故障识别[J].机电工程,2022,39(2):231-237.

[18]薛妍,沈宁,窦东阳.基于一维卷积神经网络的滚动轴承故障程度诊断[J].轴承,2021(4):48-54.

[19]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.

[20]董绍江,裴雪武,吴文亮,汤宝平,赵兴新.基于多层降噪技术及改进卷积神经网络的滚动轴承故障诊断方法[J].机械工程学报,2021,57(1):148-156.