异步电动机作为解放人力的一种驱动装置,因其结构简单、稳定性好、价格适中等优点,在工农业等领域均有着广泛应用;若电机发生故障,轻则造成电机损坏,影响生产进度,重则会危及操作人员生命和企业财产安全,因此如何实现电机快速、准确的诊断,避免或者及早发现故障,具有重要的现实意义。文章以异步电动机为研究对象,首先介绍了它的工作原理,总结了电动机的故障类型和诊断技术,研究了电机转子断条故障、定子故障和滚动轴承故障的频率特性,为下一步故障诊断提供理论参考;接下来,文章将提出的故障诊断系统分为三大模块:信号采集模块,信号处理模块和模式识别模块,由于文章采用凯斯西储大学轴承数据集,因此后两个模块才是文章研究的内容;在信号处理模块文章提出了一种改进的小波降噪法和小波包特征提取的小波分析处理方式;考虑到采集信号中不可避免的含有噪音,影响故障信号的提取,于是文中提出了邻域多阈值函数降噪法,该降噪法中的函数包含邻域硬阈值,邻域窗口阈值和邻域扩张阈值,小波系数根据不同的邻域阈值进行保留或收缩,以充分反映信号的真实信息;新函数能够较好体现与被滤波噪声的相互关系,可以进一步提高消噪的精度,然后与其它阈值函数去噪方法相比,仿真结果表明在信号信燥比,降低有用信号失真和抑制噪声等方面都有一定的提高;其次利用小波包的多分辨率特性,对降噪后的信号进行分解,并把不同频带的能量作为特征向量,仿真结果表明,提取的特征向量可以表征不同的故障信息;在模式识别模块文章提出了一种改进粒子群优化支持向量机的故障诊断方法;为了有效地平衡粒子群算法的探索和开发能力,解决粒子群局部最优,收敛速度慢等问题,提出了基于捕食搜索和自然选择的混沌粒子群算法。该算法借鉴自然选择中适者生存的进化机制以提高算法的收敛速度;且捕食搜索策略调节限制级别平衡全局搜索和局部搜索,优化搜索性能;通过函数测试和电机轴承数据的故障诊断,结果表明:所提算法计算精度高、收敛速度快,能准确地对SVM的参数进行寻优,提高了故障诊断的准确性;