本课题以石油开采后期的深度采油为研究背景,目的在于对潜油电机(Electric Submersible Motor,ESM)的定子绕组匝间短路(Inter-Turn Short-Circuit,ITSC)故障的早期在线辨识研究,以避免故障进一步扩大造成危害,对电机的保护和石油开采具有重要意义。本文提出了利用新息自适应扩展卡尔曼滤波(Adaptive Extended Kalman Filter,AEKF)估计算法在线辨识电机的故障参数,并以实验室现有的1.5kw感应电机为例,搭建以LabVIEW为核心的电机故障诊断实验平台,实现感应电机定子ITSC故障的在线检测。首先根据感应电机发生ITSC故障后的三相等效电路拓扑,引入表征故障程度的两个故障参数:短路匝比和短路电阻,进行对电机定子ITSC故障的数学机理分析,建立发生定子ITSC故障后感应电机的数学模型,并据此搭建MATLAB下的仿真模型,将仿真与实际故障电机对比,验证模型的有效性,并通过大量仿真探究两个故障参数与故障程度之间的对应关系。通过故障电机的正负序模型,推导出感应电机发生定子匝间短路故障时的两个故障参数间的约束关系,对基本的扩展卡尔曼滤波(Extended Kalman,EKF)估计算法进行研究,通过已建立的故障电机的数学模型,推导出其状态变量中含有短路匝比这一故障参数的状态空间方程,从而可以利用EKF状态估计算法对故障参数的在线辨识。对EKF辨识方法在实际应用中的不足之处进行分析,并在此基础上,引入双扩展卡尔曼滤波算法(Dual Extended Kalman,DEKF)和新息自适应的思想来解决EKF因状态空间方程中参数变化和模型不准确等因素导致估计误差偏大等问题。在MATLAB/Simulink下进行故障电机模型和辨识算法的仿真,分析电机的故障特征并验证改进后的EKF算法辨识电机故障的可行性。为了验证提出的AEKF算法辨识感应电机定子绕组匝间短路故障的可行性,在实验室搭建了基于LabVIEW的感应电机故障诊断实验平台。在该实验平台下,进行对不同故障、不同负载电机故障诊断实验,验证所提方法的适用性。实验结果表明负载变化对辨识的结果影响不大,且在不同故障下短路匝数比的辨识结果精度较高,相对误差保持在5%左右,短路电阻的辨识精度受故障程度影响,两者的辨识结果能很好的反应电机初期的故障状态。