电机是当今生产活动和日常生活中最主要的原动力和驱动装置。随着生产系统的发展，系统中需要的电机数量和单机容量都在不断增加，现代化的工业生产设备的特点是技术先进、结构复杂、精度要求高，这使得故障检测的工作量和难度都有很大程度的增加。而且电机的正常工作对保证生产制造过程的正常进行意义非常重大。因此对电机故障的诊断要求十分迫切，通过对电机常见故障的诊断和分析，可以及早发现故障和预防故障的进一步恶化。本论文正是基于这种考虑，对异步电机的智能诊断方法进行了探讨研究。 神经网络具有很强的并行性、容错性和自学习能力，通过对典型样本的学习，完成知识的获取，并将知识分布存储在神经网络的拓扑结构连接权值中，用来对未知样本进行识别、比较。该方法不需要对诊断系统建立模型结构，利用频率成分的能量变化来识别不同的模式。 本论文以鼠笼型异步电机转子为研究对象，在转子正常和断条两种模式下，对定子电流进行分析，利用小波包分析后得到的信号，作为神经网络的输入。神经网络采用三层BP网络，BP网络具有较好的自学习能力和容错性。研究证明：运用该方法提取出不同模式的信号特征，BP网可以有效地将模式区分开来。分析过程中，本文用Matlab语言进行了仿真。