感应电机作为生产系统中的重要组成部分,在国民经济中占有举足轻重的地位,它是当今用于驱动各种机械和工业设备的最主要装置,其广泛应用于机床、起重卷扬设备、矿山设备等,几乎渗透到了各行各业。然而,一旦电机发生故障,将会影响生产设备的整体性能,耽误生产效率,拖延产品交付,造成经济损失,严重时甚至会造成灾难性的事故。因此,为了满足现代工业对产品质量、产量、生产安排的灵活性等日益增长的需求,研究感应电机的状态检测与故障诊断技术,对于保障生产系统的安全运行和减少生产损失具有重要的意义,且已成为当前科技和工业发展的重要研究课题之一。感应电机发生故障位置多,故障现象复杂,需要科学有效的方法对电机运行时产生的大量的非平稳信号进行分析,从而对电机的故障状况进行判断。近年来迅速发展的非平稳信号处理方法和信息融合技术为感应电机状态检测与故障诊断提供了切实有效的研究思路。本文着重研究了融合第二代小波变换、特征降维和多分类器集成的感应电机故障诊断技术和实现方法,主要工作和研究成果归纳如下：(1)介绍了小波分析的基本理论和二代小波变换方法,并且针对二代小波存在的频率混叠和无法自适应匹配信号局部特征的问题,提出了一种自适应的冗余二代小波变换,根据信号本身的特点自适应地对其进行二代小波变换分解。(2)研究了感应电机在故障状态下定子电流和振动信号中所隐含的故障频率特性,并利用自适应冗余二代小波变换对信号进行处理及特征提取。研究了高维特征降维方法并在介绍几种常见的特征选取方法基础上,着重研究了基于流形学习的多类特征选择算法(Multiple Class Feature Selection, MCFS),利用MCFS算法去除特征矢量中冗余的多余特征。(3)研究基于多分类器集成的感应电机故障诊断方法,通过对电机定子电流信号和振动信号提取出来的特征综合处理和协同分析,构造了自适应权重投票的多分类器融合算法：分别构造分类器,得到每个分类器的故障分类结果后,对测试样本和训练样本进行聚类分析,根据聚类结果针对每一测试样本调整各分类器的权重,从而组合决策出测试样本的故障类型。(4)实验验证了融合二代小波变换、特征降维和多分类器集成的感应电机故障诊断方法的可行性和有效性；将特征降维前后的特征矢量输入分类器,对结果进行对比,以验证MCFS特征选择算法对感应电机故障分类效果的提升效果；对于本文提出的自适应权重多分类器融合方法,实验中设计了一种分类器多种特征、多种分类器一种特征、多种分类器多种特征三种融合方式,分别得到融合结果。实验结果显示,本文所提出的融合二代小波变换、特征降维和多分类器集成的感应电机故障诊断方法能够有效的提升诊断的效果。