各行各业正在收集大量数据，以监测机械和电气设备的健康状况。机械信号包括振动信号、声音信号、图像等，对异常/故障条件非常敏感，通常表现为脉冲瞬态特征。然而，这些重复性瞬变通常很弱，特别是当设备在初始阶段开始故障时。此外，环境噪声会对故障信息的提取产生进一步干扰。

传统的信号处理方法通过合理设计滤波、人工特征提取和故障监测与检测，在一定程度上可以解决上述问题。然而，这些步骤通常需要大量的人力努力，而且它们不容易扩展以解决新问题。为了克服上述困难，基于人工智能的方法，如深度学习，有潜力将机器监控转变为自动化和智能的方向。

本特刊旨在推动智能状态监测，并作为一个平台，展示高质量的状态监测方法最新发展的原创研究。我们欢迎原始的研究文章和评论文章讨论当前的艺术状态。

潜在的主题包括但不限于以下内容:

• 基于深度学习的故障诊断与预测
• 机器关键部件的退化分析
• 鲁棒状态监测的跨域迁移学习
• 模型参数优化以满足模型学习
• 振动信号预处理的先进方法
• 改进了大量未标记数据和有限标记数据的学习方法