电机的偏心故障会使气隙磁场分布不均匀,进而会导致不平衡磁拉力的产生。不平衡磁拉力作用于电机会导致电机振动异常或振动加剧,因此电机的振动信号可反映电机内部磁场变化,从而可判断电机内部是否发生气隙偏心故障。本文主要通过分析振动信号达到气隙偏心故障诊断的目的。文章在了解现有气隙偏心故障诊断研究中常用的故障特征指标的基础上,通过电磁场理论分析得出了新的故障特征频率指标,并通过仿真、实验验证了新指标的有效性；文章通过进一步分析不同故障程度下故障特征频率幅值大小的变化情况,得到了故障特征频率幅值和偏心度之间的关系,进而可通过二者的相互关系推测偏心程度。考虑到通过故障特征频率幅值和偏心度的关系推测偏心程度这一方法对不同类型、不同工况的电机没有广泛的适用性。本文提出小波包分解和人工神经网络相结合的方法来推断偏心程度,将小波包分解得到的频带能量地变化率作为神经网络输入向量,经验证训练得到的神经网络能适用于不同类型的电机。现有研究中并没有偏心定位的相关研究,本文根据不同种类偏心故障情况下的最小气隙位置的特性,通过分析不平衡磁拉力在水平和垂直方向分量的关系推测偏心发生的位置,并通过仿真和实验验证了该方法的有效性。