当今为电气化的时代，由于感应电动机具有良好的性能，在自动化生产和日常生活中常被作为提供原动力与驱动的设备。但是在实际应用中，由于很多因素的诱发电机经常发生故障，故障严重时会导致设备的损坏、甚至会给现场带来安全问题。因此，对感应电动机发生的故障尽早作出诊断具有重要的经济、社会价值。　　本文以虚拟仪器作为信号采集与处理的平台，应用EMD-ICA、多源信息特征融合以及KPCA等方法获取诊断特征向量，并将特征向量输入到SVM诊断网络中，从而实现对感应电动机轴承故障、端盖松动、欠压运行的诊断。　　首先，研究了感应电机的结构组成、工作原理及特性、常见故障的特征分析及产生机理，对比分析了用于感应电机故障诊断中的监测方法与智能诊断方法。　　其次，研究了虚拟仪器技术。针对电机的振动、噪声、温度以及电流信号，设计了信号采集系统，采集系统硬件设计主要基于NI-PXI数据采集平台，选择合适的数据采集卡，并设定了相应的参数;采集系统软件设计是采用LabVIEW编程实现，使信号采集具有良好的界面。　　然后，研究了数据处理技术。针对采集的振动信号之间、噪声信号之间存在的混叠问题，应用ICA方法处理;基于时域、频域、以及EMD提取故障特征参数;根据多源信息融合原理，将故障特征参数组成故障特征向量;应用KPCA方法对特征量进行筛选。　　最后，根据特征向量对故障类型进行分类。构造SVM故障诊断模型，将得到的特征向量输入到模型中进行故障分类，诊断效果较好，说明本文的故障诊断方法可行。