所屬分類： 加入收藏 SCIE 期刊 工程技術(shù) 中科院 1區(qū) JCR Q1
機(jī)械系統(tǒng)和信號處理
機(jī)械系統(tǒng)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(qū)：ENGLAND
- 是否預(yù)警：否
- 是否OA：未開放
- 出版周期：Bimonthly
- 出版年份：1987
- 中文名稱：機(jī)械系統(tǒng)和信號處理
- 是否OA：未開放
機(jī)械系統(tǒng)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?。∣A）國際期刊，自1987年創(chuàng)刊以來，始終站在工程技術(shù)研究的前沿。該期刊致力于發(fā)表在工程技術(shù)領(lǐng)域各個方面達(dá)到最高科學(xué)標(biāo)準(zhǔn)和具有重要性的研究成果。全面反映該學(xué)科的發(fā)展趨勢，為工程技術(shù)事業(yè)的進(jìn)步提供了有力的支撐。期刊嚴(yán)格遵循職業(yè)道德標(biāo)準(zhǔn)，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(dǎo)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(qū)的研究者在《Mechanical Systems And Signal Processing》上發(fā)表了大量的高質(zhì)量文章。該期刊內(nèi)容豐富，包括原創(chuàng)研究、綜述文章、專題觀點、論文預(yù)覽、專家意見等多種類型，旨在為全球該領(lǐng)域研究者提供廣泛的學(xué)術(shù)交流平臺和靈感來源。
在過去幾年中，該期刊保持了穩(wěn)定的發(fā)文量和綜述量，具體數(shù)據(jù)如下：
2014年：發(fā)表文章193篇、2015年：發(fā)表文章308篇、2016年：發(fā)表文章432篇、2017年：發(fā)表文章517篇、2018年：發(fā)表文章589篇、2019年：發(fā)表文章912篇、2020年：發(fā)表文章522篇、2021年：發(fā)表文章1331篇、2022年：發(fā)表文章1014篇、2023年：發(fā)表文章932篇。這些數(shù)據(jù)反映了期刊在全球工程技術(shù)領(lǐng)域的影響力和活躍度，同時也展示了其作為學(xué)術(shù)界和工業(yè)界研究人員首選資源的地位?！禡echanical Systems And Signal Processing》將繼續(xù)致力于推動工程技術(shù)領(lǐng)域的知識傳播和科學(xué)進(jìn)步，為全球工程技術(shù)問題的解決貢獻(xiàn)力量。
期刊指數(shù)
- 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(fā)文量：932
- 開源占比：0.0547
- SJR指數(shù)：2.363
- H-index：134
- SNIP指數(shù)：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(qū)（2023-2024年最新版）
| 按JIF指標(biāo)學(xué)科分區(qū) | 收錄子集 | 分區(qū) | 排名 | 百分位 |
| 學(xué)科：ENGINEERING, MECHANICAL | SCIE | Q1 | 5 / 180 |
97.5% |
| 按JCI指標(biāo)學(xué)科分區(qū) | 收錄子集 | 分區(qū) | 排名 | 百分位 |
| 學(xué)科：ENGINEERING, MECHANICAL | SCIE | Q1 | 5 / 180 |
97.5% |
中科院分區(qū)表
中科院SCI期刊分區(qū) 2023年12月升級版
| Top期刊 | 綜述期刊 | 大類學(xué)科 | 小類學(xué)科 |
| 是 | 否 | 工程技術(shù) 1區(qū) |
ENGINEERING, MECHANICAL
工程：機(jī)械
1區(qū)
|
CiteScore（2024年最新版）
CiteScore 排名
| CiteScore | SJR | SNIP | CiteScore 排名 | ||||||||||||||||||||||||||||
| 14.8 | 2.363 | 2.819 |
|
學(xué)術(shù)指標(biāo)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(xué)術(shù)期刊影響力的一個重要指標(biāo)。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(xué)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(zhì)量和影響力的重要指標(biāo)之一。通過計算期刊被自身引用的次數(shù)與總被引次數(shù)的比例，可以反映期刊對于自身研究內(nèi)容的重視程度以及內(nèi)部引用的情況。
年發(fā)文量：是衡量期刊活躍度和研究產(chǎn)出能力的重要指標(biāo)，年發(fā)文量較多的期刊可能擁有更廣泛的讀者群體和更高的學(xué)術(shù)聲譽(yù)，從而吸引更多的優(yōu)質(zhì)稿件。
期刊互引關(guān)系
| 序號 | 引用他刊情況 | 引用次數(shù) |
| 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(shù) |
| 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(shù)：251
- Artificial intelligence for fault diagnosis of rotating machinery: A review引用次數(shù)：200
- Machinery health prognostics: A systematic review from data acquisition to RUL prediction引用次數(shù)：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(shù)：132
- A review on the application of deep learning in system health management引用次數(shù)：122
- Deep normalized convolutional neural network for imbalanced fault classification of machinery and its understanding via visualization引用次數(shù)：81
- An intelligent fault diagnosis approach based on transfer learning from laboratory bearings to locomotive bearings引用次數(shù)：78
- A novel method for intelligent fault diagnosis of rolling bearings using ensemble deep auto-encoders引用次數(shù)：63
- Rolling bearing fault feature learning using improved convolutional deep belief network with compressed sensing引用次數(shù)：60
- A review on data-driven fault severity assessment in rolling bearings引用次數(shù)：59
