Aktas, M., & Turkmenoglu, V. (2010). Wavelet-based switching faults detection in direct torque control induction motor drives. Science, Measurement & Technology, IET, 4(6), 303–310.
DOI: https://doi.org/10.1049/iet-smt.2009.0121
Balara, D., Timko, J., Źilkova, J., & Leśo, D. (2017). Neural networks application for mechanical parameters identification of asynchronous motor. Neural Network World, 3, 259–270.
DOI: https://doi.org/10.14311/NNW.2017.27.013
Chebil, J., Noel, G., Mesbah, M., & Derihe, M. (2009). Wavelet Decomposition for the Detection and Diagnosis of Faults in Rolling Element Bearings. Jordan Journal of Mechanical and Industrial Engineering, 3(4), 260–267.
Doniec, R. (2010). Wykorzystanie metod sztucznej inteligencji do regulacji poziomu insuliny w organiźmie człowieka (doctoral dissertation). Politechnika Śląska, Gliwice.
Duch, W., Korbicz, J., Rutkowski, L., & Tadeusiewicz, R. (2000). Biocybernetyka i inżynieria biomedyczna 2000. Sieci neuronowe. Tom 6. Warszawa: Akademicka Oficyna Wydawnicza EXIT.
Duda, J. T. (2007). Pozyskiwanie wzorców diagnostycznych w komputerowych analizach sprawności urządzeń, Diagnostyka procesów i systemów (pp. 1–16). Warszawa: Akademicka Oficyna Wydawnicza EXIT.
Fuente, M. J., & Saludes, S. (2000). Fault detection and isolation in a non-linear plant via neural networks. IFAC Proceedings Volumes, 33(11), 463–468.
DOI: https://doi.org/10.1016/S1474-6670(17)37402-5
Granda, D., Aguilar, W. G., Arcos-Aviles, D., & Sotomayor, D., (2017). Broken bar diagnosis for squirrel cage induction motors using frequency analysis based on MCSA and continous wavelet transform. Mathematical and Computational Applications, 22(2), 30. https://doi.org/10.3390/mca22020030
DOI: https://doi.org/10.3390/mca22020030
Korbicz, J., Kościelny, J. M., & Kowalczuk, Z. (2002). Diagnostyka procesów. Modele. Metody sztucznej inteligencji. Zastosowania. Warszawa: WNT.
Kowalski, Cz. (2003). Stan obecny i tendencje rozwojowe metod monitorowania i diagnostyki napędów z silnikami indukcyjnymi. Wiadomości Elektrotechniczne, 4, 160–164.
Łobos, T., Leonowicz, Z., Rezmer, J., & Schegner, P. (2006). High resolution spectrum-estimation methods for signal analysis in power systems. IEEE Trans. Instrum. Measur., 55(1), 219–225.
DOI: https://doi.org/10.1109/TIM.2005.862015
Osowski, S. (1996). Sieci neuronowe – w ujęciu algorytmicznym. Warszawa: WNT.
Tadeusiewicz, R. (1993). Sieci neuronowe. Warszawa: Akademicka Oficyna Wydawnicza.
Wysogląd, B. (2003). Metody diagnozowania łożysk tocznych z zastosowaniem transformacji falkowej. Diagnostyka, 29, 47–52.
Zając, M. (2009). Metody falkowe w monitoringu i diagnostyce układów elektromechanicznych. Monografia 371. Kraków: Politechnika Krakowska.
Zhang, J. W., Zhu, N., Yang, L., Yao, Q., & Lu, Q. (2007). A fault diagnosis approach for broken rotor bars based on EMD and envelope analysis. Journal of China University Mining & Technology, 17(2), 205–209.
DOI: https://doi.org/10.1016/S1006-1266(07)60073-X
