目前，多相永磁电动机在优于多相电动机的基础上，引入永磁体，因而得到了颇为广泛的应用。另外，多相永磁电机具有良好的容错运行能力，使得它在电动汽车等一些特殊应用方面愈加被重视。因而，保证多相永磁电机的稳定与安全运行已逐渐成为当前的热门研究之一。　　本文主要以电动汽车用五相永磁容错电机作为对象，重点分析电机的正常运行状态和匝间短路运行状态，并针对电机不同的运行状况和不同故障严重程度情况，探讨了基于人工智能方式的故障模式识别系统。本文内容概括如下:　　1、根据电机运行原理推导出五相永磁容错电机数学模型，在分析了电机无故障运行的情况下，建立五相永磁容错电机在发生单相绕组短路故障下的模型并搭建其矢量控制仿真模型，利用软件Matlab/Simulink，仿真了电机的正常运行状态以及不同严重程度下电机匝间短路故障状态，分析了短路故障对电机输出信号和运行状态的影响。　　2、介绍了快速傅立叶变换(FFT)和主元分析(PCA)降维方法，并应用到电机匝间短路故障的诊断中，对电机故障电流信号进行分析。因为电机故障产生的影响很大，必须及时准确的诊断出故障及其严重程度，本文介绍了人工神经网络(NN)的基本知识，在经典BP神经网络输入层上提出改进方法，并应用到电机单相匝间短路故障智能模式诊断研究中，通过仿真结果的对比分析验证该方法的优越性。　　3、引入支持向量机(SVM)分类方法，采用最小二乘支持向量机(LS-SVM)。在二分类支持向量机的基础上，重点介绍了多分类支持向量机，在粒子算法的基础上实现了模式识别器中参数的寻优。利用分类器识别电机发生故障的严重轻重，详细分析了利用该方法识别的电机单相匝间短路故障结果。　　4、采用矢量控制方法搭建电机控制试验平台，实现了电机不同运行状态下的控制，并采集电机不同状态下的相关信号，验证了五相永磁容错同步电机数学模型的准确可靠性以及故障智能诊断方法可行性。