随着旋转机械朝着大型化、复杂化和自动化的方向发展,对其核心部件转子系统的研究也显的更加重要。在电机拖动的转子系统中,机电耦合作用对转子系统工作性能和寿命有不可忽略的影响。转子系统在扭矩激励下,其拖动电机的电流和电机电磁转矩有着密切的关系,由于电磁转矩的变化使得转子系统轴系扭转振动变的复杂。本文在考虑弹性阻尼轴和刚性转盘的基础上,以扭矩和电流为接口建立转子系统机电耦合模型,在MATLAB/simulink环境下建立仿真模型,并利用四阶龙格库塔法计算模型的解析解,得到不同类型扭矩激励下轴系扭转振动、转子转速、电机电流和电磁转矩变化曲线。运用经典力学和电磁学理论分析仿真结果,并利用FFT、时频分析技术和小波分析研究不同扭矩激励下转子系统电机电流的变化规律。为了实现简单快速的扭矩识别,提出一种基于奇异值分解、小波包能量谱和BP神经网络的转子系统扭矩识别方法。设计转子试验台,通过试验验证模型和研究方法的正确性。通过对不同类型扭矩激励下转子系统拖动电机电流试验数据和仿真数据对比,研究发现电流信号的频谱主要由电磁转矩的频谱决定,且不同类型的扭矩激励下的拖动电机电流频谱成分和对应的能量都有所不同。转子系统的扭矩激励对电机电流有调制作用,电流信号的包络曲线近似于扭矩激励的曲线,利用小波分析对平方运算后的电流信号进行分解重构,可以得到不同扭矩激励下的电流包络曲线。采用神经网络对转子系统扭矩激励类型能够精确快速的识别,为转子系统故障诊断提供了一种可靠且有效的方法。