近年来永磁同步电机(Permanent Magnet Synchronous Machine,PMSM)逐渐开始应用于工农业生产、日常生活及交通运输中。但其在长期运行过程中可能会出现各种故障,轻者导致电机损坏,重者产生灾难性的巨大损失。因此深入研究PMSM的各种故障,找到故障规律、确定故障位置,并利用模式识别技术对故障进行识别,对于及时制定恰当的维修措施,防范事故的发生具有重要的意义。由于目前绝大多数基于信号分析的PMSM诊断方法不能判断故障位置,且传统电机信号在故障程度较小时诊断难度较大,本文在PMSM定子齿中加装感应线圈,进行故障位置的判断及故障模式识别。而基于单一信号的诊断结果具有不确定性且实用性较差,因此本文利用D-S证据理论对单一信号的识别结果进行决策融合,以降低故障识别结果的不确定性。本文以定子齿中加装感应线圈的PMSM有限元仿真模型为研究对象,提出一种小波包能量增量法判断转子失磁、定子匝间短路的故障位置,再分别对故障点感应电压和故障相电流进行特征分析、特征提取及故障模式识别,最后采用多源信息融合方法中的D-S证据理论,对基于感应电压、电流信号的故障识别结果进行决策融合研究。本文的主要工作如下:第一部分介绍了含感应线圈的PMSM模型及联合仿真方法,将感应电压、电流信号作为本文故障识别的对象,然后提出了一种小波包能量增量法,对失磁、匝间短路故障的位置进行判断,再将故障位置的感应线圈电压信号选为模式识别的信号源,为下一章的研究奠定基础。第二部分对基于感应电压信号的PMSM故障识别方法进行研究。首先对失磁、匝间短路故障的感应电压信号进行频谱分析,得到两种故障的特征规律,之后将信号小波包分解的各频带能量作为故障特征,用支持向量机进行故障模式识别,结果表明感应电压信号中的故障特征明显,故障识别的效果良好。第三部分对基于电流信号的PMSM故障识别方法进行研究。利用小波包提取失磁、匝间短路的电流特征,为了降低特征冗余、提高识别率,对电流特征进行了降维处理。再用支持向量机、BP神经网络、朴素贝叶斯对电流特征进行故障识别,由结果可知支持向量机获得的识别率相对较高。与第二部分的识别结果对比,感应电压信号中的故障特征比电流信号的更明显,且不需要复杂的降维方式就能得到较高识别率。第四部分在研究了感应电压和电流故障识别方法的基础上,将多源信息融合方法用于提高单一信号故障识别的可靠性。首先给出D-S证据理论实现决策融合的步骤,将识别结果转化成后验概率及基本概率分配。再对两种电流特征的识别结果进行融合,样本的预测精度有一定提高。最后将基于感应电压的识别结果与电流融合结果进一步融合,实验结果表明多源信息融合能够显著提高PMSM故障诊断精度、降低不确定性。