随着现代科学技术的进步和生产系统的不断发展，电机在生产中发挥着越来越重要的作用。电机故障不仅会损坏电机本身，而且会影响整个系统的正常工作，甚至危及人身安全，造成巨大的经济损失。而通过对电机常见故障的诊断和分析，既可以及早发现故障并预防故障的进一步恶化，减少突发事故造成的停产损失；还可为设计制造提供经验，积累数据，有助于电机性能及可靠性的改进；同时对电机故障定位、决策及维修都是极其重要的。 近年来，基于神经网络的电机故障诊断日益受到国内外企业的关注，同时可视化以其直观而形象的特点成为许多领域逐渐采用的一种方法。鉴于此，本文重点研究了可视化的故障诊断方法，同时结合自组织特征映射神经网络(Self-OrganizingMapNeuralNetwork，简称SOM网络)，建立了一个电机可视化故障诊断系统。 针对传统的故障诊断不够直观的特点，本文提出一种电机故障诊断的可视化方法。借助自组织特征映射的特点：即网络输出层特征平面能基本反映样本数据的分布情况，将高维的、不同种类的故障样本数据进行降维和聚类，显示在一个二维的平面上，使每种类别的样本占据平面上不同区域，据此能够很好地对新样本进行识别，从而达到故障诊断可视化的目的。 最后，在Win2000系统平台上，利用MATLAB的开发环境，采用面向对象的程序设计思想和模块化的程序设计，对本系统进行了软件的实现。并利用现场实测数据对其进行了验证，结果表明，利用该方法进行可视化机器状态监控是直观而有效的。