自动化、智能化是现代工业系统的发展趋势,而保证系统稳定性是实现其自动化、智能化的前提。永磁同步电机因其高效率、高功率密度以及具有鲁棒性等优点,已被广泛应用于现代工业自动化生产,尤其是精密控制领域。若电机发生故障而未能及时发现,轻则损伤电机本身,重则损坏整个机电设备,造成巨大经济损失,因此对永磁同步电机故障诊断的研究意义重大。本文采用电流信号分析与BP神经网络相结合的方式对永磁同步电机匝间短路故障进行在线诊断研究。首先,在分析了电机正常状态下的数学模型基础上,通过在短路相上引入短路支路,建立了永磁同步电机匝间短路故障下的非线性模型,重点对故障后电机定子绕组电阻、电感参数的计算进行了分析。所建故障模型较好地平衡了计算复杂度与模型精度问题,且对于电机正常与故障两种状态都适用,避免了仿真研究时需反复变换电机模型的问题。然后,采用卡尔曼阶比追踪算法对电机电流三次谐波成分进行提取。依据匝间短路故障发生时短路相电流三次谐波幅值远大于其他两相来定位故障位置,根据电流三次谐波幅值随速度变化曲线的斜率大小来判定匝间短路故障严重程度。提出了一种基于电流基频计算负序电流的方法,对电机匝间短路故障后的负序电流进行提取,并将其作为匝间短路故障另一个故障特征值。在此基础上结合BP神经网络,对永磁同步电机匝间短路故障的严重程度及故障位置进行综合诊断。最后,采用VC++与Matlab混合编程的方式设计了永磁同步电机故障诊断功能模块。该功能模块可以同时实现电机的在线仿真及在线故障监测功能。在实际操作时,只需要从电机控制器中读取到电机的电流、速度参数便可实现永磁同步电机匝间短路故障的在线诊断。