回复审稿人意见——硕士期间我De第一篇SCI
2019年4月1日，我正式接触硕士期间的研究课题——用深度学习研究轴承故障诊断。
滚筒轴既是机械设备的重要组成部分又是易损部件之一，在整条生产线上的设备群组运转中其运转状态直接影响着整体系统的性能稳定性和使用寿命可靠性为此
基于"信号处理特征提取与机器学习算法结合"的传统诊断手段，在应用层面确实存在诸多局限性。目前而言，在滚动轴承智能诊断领域仍无法满足日益增长的需求。其显著特点在于能够实现从输入层到输出层的一整套流程，并且能够通过单一模型完成整个流程。这种架构的优势使得它在故障模式识别方面展现出独特优势。
本课题研究内容参考哈工大张伟的硕士论文，在其基础上改进并创新。
在2019年4月1日至2019年7月20日期间内完成了对现有代码实现复现与创新工作，并进行了自我的对比实验研究。其中，在单独采用CNN网络时，在轴承故障识别方面的准确率达到87.8%；经过进一步优化，在该模型基础上将其与LSTM相结合后可实现 bearings fault identification rate can reach approximately 98%.
2019年暑假期间结束时，我完成了自己第一篇中文论文的撰写工作。此后直至研究生二年级春季学期期间，我始终专注于对这篇中文论文的修订工作，并投稿至《中国机械工程》、《机械工程学报》以及《轴承》等期刊均遭退稿。退稿意见多指出研究创新性不足，并指出部分图表显示不清晰的问题。
在创新性方面上,仅限于利用CNN网络进行空间维度特征的提取,并结合LSTM网络完成时间维度特征的提取,显然无法达到创新性的要求。为此,通过反复查阅相关文献并深入阅读多篇论文（具体参考西安交通大学雷亚国老师的著作）后,成功将残差思想融入到CNN—LSTM网络架构中进行实验验证,最终获得令人满意的实验结果。
基于研二寒假时间段的安排下开展英文论文撰写工作，并计划投稿至SCI期刊。为了满足毕业要求（需达到包括两篇中文核心期刊和一篇EI/SCI期刊发表的标准），目前面临诸多困难阻碍了我完成中文论文写作的任务。
新冠疫情的突然爆发在2020年如出所料地到来，在研二期间由于未能提前返校而导致寒假时间从原本预期的冬季一直延续至夏季，在家中度过了近半年的时间。这段独自经历的日子虽然缺乏实验室科研条件的支持，在家期间专注于个人研究课题最终成果尚可接受——发表了一篇SCI论文（虽然其影响因子相对较低），但在measurement测量领域依旧是一份具有一定影响力的金牌期刊。
#希望可以随时交流心得#
于今年一月底, 我完成了 SCI 中文版论文的编写工作, 约计8500个汉字, 经过半个多月的时间进行了多次校对与优化, 最终完成了中文版论文的修订工作. 随后开始撰写英文版论文. 于同年的二月底, 中文版论文已编写完毕. 随后便进入了一个漫长的反复打磨阶段, 包括从内容深化、图片优化、语法校对以及结构梳理等方面进行细致调整, 经过近两个月的时间打磨后最终投向期刊.
2020年4月11日，完成提交。
2020年5月27日，收到审稿意见，要求大修。
2020年6月23日，根据三个审稿人提出的意见认真修改完并提交。
共有三位专家评审员，在评审过程中第一位专家提出了一个疑问，在第二位专家提出了四个疑问，在第三位专家提出了五个疑问。综合各位专家的意见可以看出当前研究工作中最突出的问题在于实验设计不够完善，在回应评审意见时必须做到一一对应，并且要确保内容详实具体。根据实际情况反馈的意见已经形成了18页的修改方案。（无论评审人员提出什么样的建议都应当本着认真负责的态度进行处理）
2020年7月8日这一天收到了审稿意见，并提出了小修改建议。此次小修改是由编辑指定的小修事项，在经过审稿专家讨论后一致同意接收。
2020年7月15日，根据编辑提出的意见认真修改完并提交。
期间编辑联系让修改参考文献，很负责，点赞！
2020年7月24日，论文暂时接收。
2020年7月28日，论文正式接收。
总体感觉：撰写学术论文确实是一项具有挑战性的任务。从向期刊投稿到最终录用完成整个过程耗时约3个多月，在我的情况下这个耗时已算是比较迅速。
整个过程确实挺难熬，觉得很累但是很值得。
任何时候都不要放弃，只要修改就有机会接收。
再接再厉，继续加油，欢迎随时交流！