三相异步电机在社会生产中起着重要的作用,对其进行故障诊断具有重大的经济和社会意义。本文在总结国内外电机故障诊断研究现状的基础上,采用振动-噪声检测法来识别电机是否发生轴承故障,并对异步电机常见故障进行了仿真和诊断。针对异步电机的工作原理,系统地分析了电机轴承故障、转子断条、转子不平衡、负载波动时的故障机理和故障特征。鉴于电机故障信号含有大量时变、突发性质和短时冲击的成分,傅里叶变换只是一种纯频域的分析方法,仅适用于分析平稳信号,而小波分析在时、频域具有良好的局部化特性,非常适合探测正常信号中夹带的瞬态反常现象并展示其成分。因此本文采用小波分析的方法提取信号的故障特征。神经网络作为一种自适应的模式识别技术,具有极强的非线性映射能力,在故障模式识别领域中有着越来越广泛的应用。本文将小波包提取的故障特征输入给神经网络,完成训练、测试和诊断。完成了三相异步电机故障诊断试验,采集了电机正常和轴承故障状况下的振动、噪声数据,并进行了时域指标计算和简单的频域处理。之后我们用小波包的方法提取信号不同频段的能量尺度作为特征向量,建立BP、Elman、RBF三种神经网络完成电机故障诊断,并对三种网络的训练和测试结果进行对比分析,将BP网络确定为最终的电机故障诊断系统,并引用一组国外的电机故障诊断实验数据,用所建立的BP网络进行验证分析。结果表明,小波分析结合神经网络进行电机故障诊断的方法行之有效。最后,对异步电机常见的三种故障:转子断条、转子不平衡、负载波动进行了信号仿真,经过小波包降噪,利用小波包的分解、重构,结合功率谱等方法完成了对以上故障的诊断。