转子轴承系统作为旋转机械的动力提供端，是该类机械的核心部件。随着科技的进步，旋转机械在工业生产中的应用越来越广泛，并朝着智能化、数字化和两极化方向发展。在运行时旋转机械产生的故障主要表现在转子轴承系统上，转子轴承系统的故障会影响整个机械系统的运行，继而造成经济损失，危及时甚至危害人身安全。转子轴承系统在发生故障时，拖动其工作的异步电动机的电流和系统故障之间存在着一定的关系，因此研究两者之间的关系可以实现基于电机电流来诊断转子轴承系统故障。本文按照电机电流产生电磁转矩，电磁转矩拖动负载，故障导致负载变化这一顺序，建立以能量为主体的转子轴承系统数学方程。按照建立的方程在MATLAB/Simulink下对数学方程进行仿真，利用四阶Runge-Kutta法解析仿真模型的结果，得到不同类型故障激励下电动机电流和电磁转矩的频谱图。利用傅里叶变换和小波包变换对不同故障激励下电机电流进行相关的数据分析，找寻故障和电流的对应关系。得到对应关系后，采用BP神经元网络和小波包能量谱相结合理论建立信号识别，可以实现快速准确的识别故障类型。在试验台的上进行与仿真一致的真实故障试验，对试验数据进行与仿真数据相同的信号分析，并对分析结果进行对比。通过对不同故障激励下试验和仿真数据的分析和对比得到以下结论：首先通过观察同类故障下的电磁转矩频谱图和电流频谱图发现机械故障跟电机电流之间存在着密切关系；其次对比不同故障下电流和电磁转矩的频谱图发现不同故障下电流的变化存在一定的差异。转子轴承系统在发生故障时会产生特定的突变载荷，突变载荷会对电机电流产生调制作用，导致电流做出类似故障的变化，它们之间的对应关系采用神经元网络技术实现精确识别，整个研究过程为研究转子轴承系统故障提供了新的可靠有效的方法。