异步电机为现代社会最主要的动力机械，在人类生活中应用广泛。当电机发生故障，严重时甚至因故障停止运转，将对生产活动带来很大损失，对人民生活带来诸多不便，因此对电机的故障检测诊断十分具有必要性和重要性。作者通过研究电机的振动信号和定子电流信号的特征参数的提取方法，学习电机在定子短路、转子断条、转子偏心情况下的故障原理特征后，说明上述状态下的定子电流以及振动信号的特征频率能量变化，并以此作为判断电机故障的标准。随后本文设计进行故障诊断实验，通过实验测量电机振动信号和定子电流信号，之后对所得数据进行分析和特征提取。之后以所得的实验数据输入，利用传统的BP神经网络诊断电机故障，发现实验结果结果并不理想，反映出 BP神经网络在实验电机故障诊断中的收敛速度和误差精度并不满足需求以及陷入局部极小值等缺点。支持向量机拥有避免局部极小值,推广性和分类精确性优越的特点，针对神经网络诊断的问题,选择了支持向量机进行电机故障诊断实验,测试结果表明支持向量机在收敛速度和诊断精度上都能满足要求，能很好完成故障诊断任务。