随着科学技术的不断进步，电气化程度的不断提高，电机设备在工业生产和人们生活中的应用日益广泛。电机设备在工作中极易发生故障，一旦发生故障，会影响整个系统的正常工作甚至危及人身安全，造成巨大损失甚至带来灾难，所以电机设备的故障诊断极其重要。诊断的准确及时可以保证生产安全平稳，避免人员、财产的巨大损失。声音信号能客观反应电机的运行状态和变化规律，当电机出现故障时，会产生不同于正常工作时发出的声响，因此可以从电机产生的声音信号着手研究，对电机的工作状态进行监测和诊断。电机故障振声诊断的研究对象就是电机发出的声音信号。本文提出结合盲分离技术、小波变换和概率论知识三种手段应用于电机故障振声诊断系统中。一般来说，当电机发生故障时，很有可能是几种故障同时发生，并且电机发出声音信号在被传感器接收过程中也可能受到其他声音的污染，所以采集到的电机声音是混合信号。将单个信号从混合信号中分离是正确诊断出故障的前提条件。本文采用盲分离技术中的一种算法能成功地从混合信号中分离出单独的信号。鉴于故障信号中往往含有大量的时变、短时冲击、突发性质的成分，傅立叶变换只是一种纯频域的分析方法，仅适应于分析平稳信号，在时域里毫无分辨能力，而小波变换在时域和频域同时有良好的局部化特性，很适合探测正常信号中夹带的瞬态反常现象并展示其成分，因此本文采用小波分析技术的多尺度分析理论对单独的信号进行特征提取。通过信号的特征与故障数据库的数据的比较，可以判断出电机故障的种类。故障数据库的建立是一个庞大的数据统计过程，本文利用概率论中的参数估计知识并结合已知故障的样本建立数据库。最后，本文对电机故障振声诊断的整个系统做实例分析，证明系统的有效性和实用性。