Page 288 - 《振动工程学报》2026年第2期

604 振 动 工 程 学 报 第 39 卷

转子故障诊断 [J]. 噪声与振动控制，2022，42（4）：107- analysis[J]. IEEE Transactions on Emerging Topics in Compu-
114. tational Intelligence，2022，6（3）：690-699.
ZHU Yan， HUANG Min， WANG Xiaojing， et al. Fault [20] HE K M， ZHANG X Y， REN S Q， et al. Deep residual

diagnosis of journal bearing-rotor systems based on deep trans- learning for image recognition[C]//Proceedings of IEEE
fer learning[J]. Noise and Vibration Control，2022，42（4）： Conference on Computer Vision and Pattern Recognition
（CVPR）. Las Vegas，NV，USA：IEEE，2016：770-778.
107-114.
[21] WANG J D，CHEN Y Q，FENG W J，et al. Transfer learn-
[17] XIANG L， ZHANG X Y， ZHANG Y， et al. A novel
ing with dynamic distribution adaptation[J]. ACM Transac-
method for rotor fault diagnosis based on deep transfer learn-
tions on Intelligent Systems and Technology，2020，11（1）：
ing with simulated samples[J]. Measurement， 2023， 207：
1-25.
112350.
[22] BORGWARDT K M，GRETTON A，RASCH M J，et al.
[18] ZHU M T，LIU X Y，PENG C，et al. Intelligent fault diag-
Integrating structured biological data by Kernel Maximum
nosis for variable working conditions of rotor-bearing system
Mean Discrepancy[J]. Bioinformatics，2006，22（14）：e49-
based on vibration image and domain adaptation[J]. Measure-
e57.
ment Science and Technology，2023，34（12）：125105.
[19] LI X Y，ZHANG Z，GAO L，et al. A new semi-supervised 通信作者：向 玲（1971—），女，博士，教授。
fault diagnosis method via deep coral and transfer component E-mail：ncepuxl@163.com