随着科学技术的不断进步,电机的设计与制造正向高速、高精度和高可靠性的目标发展。电机作为大部分自动化设备的动力元件或调整元件,扮演着举足轻重的角色。电机由于高温、油污、过载等恶劣的工作环境和制造与装配的误差等因素,电机的运行将伴随潜在的风险,某些重要的电气设备一旦发生故障将产生巨大的损失,危及人员的生命安全。因此,电机运行过程中的信号监测与故障诊断显得尤为重要。传统的电机故障诊断方法是建立在一些可观测量的基础上,将这些观测量采用某些数学的或信号处理的方法进行一定的处理然后进行分析。这些观测量主要包括振动、温度、噪声、电流、电压等。对这些信号进行分析需要工程人员对电气设备有比较丰富的实际经验以及比较深厚的背景知识。由于电机故障早期信号较为微弱,电机运行环境复杂,对传感器精度的要求较高,经济性较差。且根据单参数的传感器所得出的结论存在固有的不确定性,以此为依据进行诊断,可能会导致故障的误报、漏报等问题。鉴于单参数方法所存在的固有的不确定问题,考虑综合多个传感器所得到的信息,将针对同一对象的不同观测值进行冗余互补,得到此对象更加精确的描述。这种综合多个传感器所得到信息并进行综合利用的方法就是信息融合方法。此类方法在提出时主要针对数据进行研究,所以当时又称为数据融合。经过数十年的发展与研究,信息融合方法所研究的对象已经不仅限于数据,信息融合的概念已经更加广泛。本文对信息融合的概念、模型、理论体系、发展现状以及主要算法进行了介绍,并对各种算法的优缺点进行了总结,并结合算法的特点对伺服电机的故障特点进行了讨论。论文对电机故障类型及其表征形式作了一定的分析,讨论了电机故障信号的特点,针对传统电机诊断大多数基于单传感器存在诊断精度较低的问题,提出基于信息融合的方法对数据进行整合,并用进行整合以后的数据进行诊断。本文根据电机的不同运行状态,提出了基于信息融合与FastICA的电机轴承故障提取方法与基于Kalman滤波与EWT的电机轴承复合故障特征提取方法两种算法,分别采取两种不同的实验数据进行验证;模拟运行条件较恶劣的电机设计交流伺服电机故障实验台,确定硬件及采集设备等,并采集实验数据对所提出的算法进行验证,证明算法具有较好的诊断精度与较强的鲁棒性。