在发电领域,三相异步电动机常作为送风机、引风机等电厂关键辅机的驱动设备,其故障的发生会直接影响主发电机的安全运行,引发严重的安全生产事故和重大经济损失。其中,转子断条故障是鼠笼型异步电动机的经典故障之一,对其断条故障开展研究工作,实现精准故障诊断和维护能够减少经济损失,提高系统运行的稳定性。在转子断条故障初期,故障特征信号幅值较小,容易被基频和噪声淹没。且当电机处于低转差率稳态运行时,电机定子电流中的故障特征频率与基频接近,断条故障信号微弱易被基频信号淹没难以实现转子断条时的故障电流分量的有效提取。对此,本文以异步电动机定子电流为研究对象,研究了不同的算法以提取故障特征分量,提出了使用奇异值分解、变模态分解（VMD）和逐次变模态分解（SVMD）等方法对故障特征进行提取,并提出使用故障特征能量值对故障严重程度进行量化,从而实现电机起动状态和稳态运行时转子断条故障的诊断。本文主要工作内容如下:首先,通过磁动势分析法详细推导了转子断条的谐波分量,从频率分布的角度分析了起动过程中故障特征频率与其他频率分量的区别,为后续各章研究故障诊断方法提供理论支持。其次,为了解决稳态运行时,由于Fourier频谱分析固有局限导致故障特征频率易被基频淹没的问题,提出使用定子电流构造Hankel矩阵,对其进行奇异值分解得到奇异值矩阵,然后对奇异值矩阵进行部分置零以消除基波和大部分噪声的影响。为了进一步消除噪声对故障特征频率的影响,对奇异值处理后的信号使用SVMD进行分解,提取出故障特征信号,根据故障特征频率的幅值判定故障严重程度,实现针对稳态运行下转子断条的故障诊断。接着,根据起动过程中转子断条故障特征信号频率随时间变化易与基频区分的特点,提出了两种基于起动电流的故障特征信号提取方法。第一种,采用变模态分解（VMD）方法提取起动过程定子电流的中故障特征分量,从参数优化的角度使用瞬时频率平均值对变模态分解模态个数进行寻优,以此来提高变模态分解结果的准确性。在此基础上,利用维格纳准概率分布（WVD）高时频分辨率的特点绘制断条故障特征信号的时频分布图,结合大津算法对图片进行抗噪处理,进一步突出故障特征部分。第二种,采用逐次变模态分解（SVMD）方法对起动电流进行分析,从信号带宽的角度将分解得到的子信号重构合成故障特征信号,使得故障特征信号能量最大化,并使用故障特征信号瞬时频率平方值的二次回归曲线对电机的运行状态进行判断。两种方法均是为了使故障特征信号提取方法具有较好的抗噪能力,后者在前者的基础上更进一步的降低了计算的维度。最后,在判断为故障状态的基础上,以提取信号的能量作为故障检测和严重程度量化指标,实现对故障严重程度的区分和自动故障预警的目的。最后,本文在一台5.5k W三对极的三相鼠笼式异步电动机上进行了实验,结果表明,本文所提的基于奇异值分解与逐次变模态分解结合的诊断方法能够实现稳态运行时转子断条故障诊断,基于变模态分解与逐次变模态分解的起动电流分析诊断方法不仅能够对不同转子断条故障进行诊断,还能够实现对故障严重程度的区分。