为表彰高质量、科学意义重大、影响力广泛的出版物，Machines 期刊对发表于2023年的文章就学术创新性、科学严谨性、学科影响力等方面进行了评估。经过期刊编辑部和由编委成员组成的奖项评审委员会的筛查与评审，我们最终评选出2篇年度最佳论文。Machines 期刊谨向所有获奖作者表示热烈祝贺，并向参与评审的期刊编委、主编团队致以诚挚谢意。未来Machines 期刊将继续秉承促进学术发展、推动机械领域研究成果的传播的宗旨，为广大学者提供高水平的开放获取交流平台。

获奖名单如下

(排名不分先后)

#1.Bearing Current and Shaft Voltage in Electrical Machines: A Comprehensive Research Review

https://doi.org/10.3390/machines11050550

通讯作者：

Kotb B. Tawfiq博士

根特大学机电系统与金属工程系

文章导读：

电动机可靠性评估至关重要，而轴承电流和轴电压是影响其可靠性的关键因素。本文全面研究了逆变器供电电动机的轴承电流和轴电压，探讨了电机失效过程、轴承电流与轴电压的来源和定义，分析了不同类型轴承电流及寄生电容，讨论了轴承电流的测量方法与建模，阐述了多种减缓技术，还提出了多相绕组的减缓方案并比较了与三相电机的差异，同时研究了多相系统脉宽调制技术对轴承电流和轴电压的降低作用，总结了相关文献成果。

#2.A Deep-Learning-Based Approach for Aircraft Engine Defect Detection

https://doi.org/10.3390/machines11020192

通讯作者：

Jun Li博士

克兰菲尔德大学航天、运输与制造学院 (SATM)

文章导读：

本文旨在开发一种用于自动化航空发动机内窥镜检测的新型深度学习框架。因内窥镜检测存在依赖人工判断、易出现运动模糊等问题，该框架采用定制的U-Net架构检测高压压气机叶片缺陷，结合经典计算机视觉与定制GAN模型进行混合运动去模糊，还通过测试不同损失函数和用定制GAN生成合成图像解决数据相关问题，取得超90%的检测精度和召回率，图像质量提升10倍，但在极小缺陷检测上效果一般，未来将优化模型以更好检测极小缺陷并拓展应用范围。

查看期刊更多奖项：https://www.mdpi.com/journal/machines/awards

期刊主页：https://www.mdpi.com/journal/machines

Machines 期刊介绍

主编： Antonio J. Marques Cardoso, University of Beira Interior, Portugal

主要发表机械设备故障诊断和预测、机械设计、机电一体化、机器人、叶轮机械、控制及自动化、电机和驱动器、先进制造等领域的最新学术成果。

2023 Impact Factor：2.1  

2024 CiteScore：4.7

Time to First Decision：15.5 Days

Acceptance to Publication：2.6 Days