機械系統和信號處理
機械系統和信號處理雜志簡介
- 出版商：Academic Press Inc.
- 出版語言：English
- TOP期刊：是
- 出版地區：ENGLAND
- 是否預警：否
- 是否OA：未開放
- 出版周期：Bimonthly
- 出版年份：1987
- 中文名稱：機械系統和信號處理
- 是否OA：未開放
機械系統和信號處理（國際簡稱MECH SYST SIGNAL PR，英文名稱Mechanical Systems And Signal Processing）是一本未開放獲取（OA）國際期刊，自1987年創刊以來，始終站在工程技術研究的前沿。該期刊致力于發表在工程技術領域各個方面達到最高科學標準和具有重要性的研究成果。全面反映該學科的發展趨勢，為工程技術事業的進步提供了有力的支撐。期刊嚴格遵循職業道德標準，對于任何形式的抄襲行為，無論是文字還是圖形，一旦查實，均可能導致稿件被拒絕。
近年來，來自CHINA MAINLAND、USA、England、Italy、France、GERMANY (FED REP GER)、Australia、Belgium、Canada、Poland等國家和地區的研究者在《Mechanical Systems And Signal Processing》上發表了大量的高質量文章。該期刊內容豐富，包括原創研究、綜述文章、專題觀點、論文預覽、專家意見等多種類型，旨在為全球該領域研究者提供廣泛的學術交流平臺和靈感來源。
在過去幾年中，該期刊保持了穩定的發文量和綜述量，具體數據如下：
2014年：發表文章193篇、2015年：發表文章308篇、2016年：發表文章432篇、2017年：發表文章517篇、2018年：發表文章589篇、2019年：發表文章912篇、2020年：發表文章522篇、2021年：發表文章1331篇、2022年：發表文章1014篇、2023年：發表文章932篇。這些數據反映了期刊在全球工程技術領域的影響力和活躍度，同時也展示了其作為學術界和工業界研究人員首選資源的地位。《Mechanical Systems And Signal Processing》將繼續致力于推動工程技術領域的知識傳播和科學進步，為全球工程技術問題的解決貢獻力量。
期刊指數
- 影響因子：7.9
- 文章自引率：0.1309...
- Gold OA文章占比：12.48%
- CiteScore：14.8
- 年發文量：932
- 開源占比：0.0547
- SJR指數：2.363
- H-index：134
- SNIP指數：2.819
- OA被引用占比：0.0232...
- 出版國人文章占比：0.38
WOS期刊SCI分區（2023-2024年最新版）
| 按JIF指標學科分區 | 收錄子集 | 分區 | 排名 | 百分位 |
| 學科：ENGINEERING, MECHANICAL | SCIE | Q1 | 5 / 180 |
97.5% |
| 按JCI指標學科分區 | 收錄子集 | 分區 | 排名 | 百分位 |
| 學科：ENGINEERING, MECHANICAL | SCIE | Q1 | 5 / 180 |
97.5% |
中科院分區表
中科院SCI期刊分區 2023年12月升級版
| Top期刊 | 綜述期刊 | 大類學科 | 小類學科 |
| 是 | 否 | 工程技術 1區 |
ENGINEERING, MECHANICAL
工程：機械
1區
|
CiteScore（2024年最新版）
CiteScore 排名
| CiteScore | SJR | SNIP | CiteScore 排名 | ||||||||||||||||||||||||||||
| 14.8 | 2.363 | 2.819 |
|
學術指標分析
影響因子和CiteScore
自引率
影響因子：指某一期刊的文章在特定年份或時期被引用的頻率，是衡量學術期刊影響力的一個重要指標。影響因子越高，代表著期刊的影響力越大 。
CiteScore：該值越高，代表該期刊的論文受到更多其他學者的引用，因此該期刊的影響力也越高。
自引率：是衡量期刊質量和影響力的重要指標之一。通過計算期刊被自身引用的次數與總被引次數的比例，可以反映期刊對于自身研究內容的重視程度以及內部引用的情況。
年發文量：是衡量期刊活躍度和研究產出能力的重要指標，年發文量較多的期刊可能擁有更廣泛的讀者群體和更高的學術聲譽，從而吸引更多的優質稿件。
期刊互引關系
| 序號 | 引用他刊情況 | 引用次數 |
| 1 | MECH SYST SIGNAL PR | 4495 |
| 2 | J SOUND VIB | 2439 |
| 3 | SMART MATER STRUCT | 774 |
| 4 | IEEE T IND ELECTRON | 449 |
| 5 | NONLINEAR DYNAM | 404 |
| 6 | J ACOUST SOC AM | 360 |
| 7 | ENG STRUCT | 330 |
| 8 | J ENG MECH | 323 |
| 9 | IEEE-ASME T MECH | 306 |
| 10 | J VIB ACOUST | 304 |
| 序號 | 被他刊引用情況 | 引用次數 |
| 1 | MECH SYST SIGNAL PR | 4495 |
| 2 | IEEE ACCESS | 1580 |
| 3 | MEASUREMENT | 909 |
| 4 | J SOUND VIB | 826 |
| 5 | SENSORS-BASEL | 755 |
| 6 | SHOCK VIB | 600 |
| 7 | APPL SCI-BASEL | 589 |
| 8 | ENTROPY-SWITZ | 344 |
| 9 | ISA T | 308 |
| 10 | MEAS SCI TECHNOL | 265 |
高引用文章
- Deep learning and its applications to machine health monitoring引用次數：251
- Artificial intelligence for fault diagnosis of rotating machinery: A review引用次數：200
- Machinery health prognostics: A systematic review from data acquisition to RUL prediction引用次數：163
- A deep convolutional neural network with new training methods for bearing fault diagnosis under noisy environment and different working load引用次數：132
- A review on the application of deep learning in system health management引用次數：122
- Deep normalized convolutional neural network for imbalanced fault classification of machinery and its understanding via visualization引用次數：81
- An intelligent fault diagnosis approach based on transfer learning from laboratory bearings to locomotive bearings引用次數：78
- A novel method for intelligent fault diagnosis of rolling bearings using ensemble deep auto-encoders引用次數：63
- Rolling bearing fault feature learning using improved convolutional deep belief network with compressed sensing引用次數：60
- A review on data-driven fault severity assessment in rolling bearings引用次數：59
