随着科技的发展,异步电动机作为一种重要的电气动力设备在工业,农业和航空航天等领域得到了广泛的应用。正常运行的电动机一旦发生故障,不仅造成电机本身的损耗,还将给工业生产的各个方面带来严重的后果,给人民群众的日常生活带去极大的不便。异步电机故障诊断技术能够在保持电机的完整性前提下,通过对电机各个运行参数的分析,实时有效的的对电机状态进行判别诊断,能够及时预防电机故障或是防止电机故障所造成损害的进一步扩散。因此,研究异步电动机故障诊断技术在电机故障早期发现故障并及时进行维修,具有重大的理论意义和社会经济效益,这已经成为国内外学者们一个研究热点课题。本文在第二章对异步电机各种振动故障的类型,故障机理和故障主要特征作了介绍和总结,针对异步电机发生振动故障初期,原始信号中故障特征频率成分能量微弱难以提取,使用传统的时频分析方法对其进行分析诊断比较困难的情况,提出一种基于经验模态分解能量熵,主成分分析和支持向量机相结合的方法,将振动信号中提取的EMD能量熵作为故障分类的特征向量,支持向量机根据断条故障前后振动信号能量熵变化的内在差异对常见的异步电机振动故障进行识别诊断。第三章对EMD、能量熵、PCA和支持向量机基本理论方法做了详细介绍,阐述了上述方法各自的的特点和优势,并针对对两种常见的电机振动故障进行实验分析,通过和BP神经网络方法的对比,验证了基于支持向量机方法在电机振动故障诊断中具有极大的优势。第四章针对典型的电机振动故障中的转子断条故障,使用定子电流频谱分析法和基于能量熵的振动分析法进行了分析研究,分析结果表明,振动故障初期原始信号故障特征不太明显时,使用基于能量熵的方法能够准确的对故障做出准确的识别诊断。本文所使用基于EMD能量熵、主成分分析和支持向量机的异步电机振动故障诊断方法操作简单,识别率高,能够根据振动信号能量熵特征,对故障进行准确的识别诊断。