近期，MDPI期刊Sensors 与国际状态监测学会 (The International Society for Condition Monitoring, ISCM) 建立合作关系。根据合作协议，ISCM全体会员向Sensors 期刊投稿时可享受专属文章处理费 (APC) 折扣。同时，Sensors 期刊将充分发挥其快速、专业的出版优势，为研究者的科研成果提供高效高质量的发表服务。

 

 

国际状态监测学会简介

 

 

国际状态监测学会 (The International Society for Condition Monitoring, ISCM) 是一个致力于推动状态监测领域国际交流与专业发展的权威组织。ISCM为对状态监测感兴趣的个人和组织提供了一个国际论坛，目的是将国际社会聚集在一起，共同致力于在状态监测和相关诊断技术的开发和实践中取得卓越成就。

 

学会官网：https://www.intiscm.org/

 

 

Sensors 期刊简介

 

Sensors (ISSN: 1424-8220) 是一个关于传感器科学和技术的国际性、经同行评审的开放获取期刊。Sensors 为传感器科学技术及其应用提供了一个高质量的学术交流平台，发表的文章类型包括综合性综述、常规研究论文以及数据描述报告等多种类型文章。目前在JCR的“Chemistry, Analytical” (33/155)，“Instruments and Instrumentation” (28/142) 和“Engineering, Electrical and Electronic” (199/783) 三个类别中均排名Q2。

 

投稿优势

 

• 更高文章曝光度

 

Sensors 当前已被Scopus、SCIE (Web of Science)、PubMed、MEDLINE、PMC、Ei Compendex、Inspec、Astrophysics Data System等数据库收录。2023 Citescore为7.3。

 

• 快速发表

 

Time to First Decision	18.6 Days
Acceptance to Publication	2.4 Days

 

点击下方链接，订阅Sensors 期刊最新资讯。

 

 

精选文章

 

1 A Novel Diagnostic Feature for a Wind Turbine Imbalance Under Variable Speed Conditions

变速条件下风力发电机不平衡故障的新型诊断特征

Amir R. Askari et al.

https://www.mdpi.com/3025700

文章亮点

本文针对变速旋转机械中传统不平衡诊断特征与轴转速的依赖性问题，通过建立等效质量-弹簧-阻尼系统模型推导出该依赖关系的解析表达式，进而提出了一种与转速无关的新型不平衡诊断特征及其简化版本，并基于风电机组的实验验证了该简化特征的速度不变性。

 

原文出自Sensors 期刊：

Askari, A.R.; Gelman, L.; King, R.; Hickey, D.; Ball, A.D. A Novel Diagnostic Feature for a Wind Turbine Imbalance Under Variable Speed Conditions. Sensors 2024, 24, 7073.

 

2 The Edge Application of Machine Learning Techniques for Fault Diagnosis in Electrical Machines

机器学习技术在电机故障诊断中的边缘应用

Javier de las Morenas, Francisco Moya-Fernández and Julio Alberto López-Gómez

https://www.mdpi.com/2165972

文章亮点

本文提出了一种基于边缘计算的电机故障诊断方案。通过将机器学习技术部署在Arduino平台上，利用电机电流特征分析 (MCSA) 实现转子断条检测，为中小型企业提供了一种低成本、易部署的解决方案。

 

原文出自Sensors 期刊：

de las Morenas, J.; Moya-Fernández, F.; López-Gómez, J.A. The Edge Application of Machine Learning Techniques for Fault Diagnosis in Electrical Machines. Sensors 2023, 23, 2649.

 

3 Railroad Sleeper Condition Monitoring Using Non-Contact in Motion Ultrasonic Ranging and Machine Learning-Based Image Processing

基于非接触式动态超声测距与机器学习图像处理的铁路轨枕状态监测

Diptojit Datta et al.

https://www.mdpi.com/2193608

文章亮点

本文提出了一种基于超声测距的非接触式铁路轨枕形变检测技术。通过超声阵列和计算机视觉实现轨枕三维形变的动态测量，现场试验验证了该技术的可行性。

 

原文出自Sensors 期刊：

Datta, D.; Hosseinzadeh, A.Z.; Cui, R.; Lanza di Scalea, F. Railroad Sleeper Condition Monitoring Using Non-Contact in Motion Ultrasonic Ranging and Machine Learning-Based Image Processing. Sensors 2023, 23, 3105.

 

 

特刊推荐

 

Sensor-Based Frequency, Time–Frequency and Higher-Order Signal Processing for Condition Monitoring, Structural Health Monitoring and Non-Destructive Testing (Second Edition)

Edited by Len Gelman and Shuncong Zhong

Submission Deadline: 25 October 2025

 

点击下方链接， 了解特刊信息。

https://www.mdpi.com/journal/sensors/special_issues/XM4T0Z1H51

 

Feature Papers in Fault Diagnosis & Sensors 2025

Edited by Francesc Pozo, Mohammad N Noori, Steven Chatterton and Jose Alfonso Antonino-Daviu

Submission Deadline: 31 December 2025

 

点击下方链接， 了解特刊信息。

https://www.mdpi.com/journal/sensors/special_issues/I5HQ81X9Q4