随着科学技术的不断进步与社会经济的快速发展,电机已尤为广泛的应用于工业、农业、国防科技以及我们日常生活等各个方面中,其在生产与生活中有着越来越重要的作用。如果在使用的过程中,电机有了故障,不会只是单单地电机自己不运行,它将会会使所有的其他部件也停止工作,有时会使人受到一定的危险,引发尤为大经济损失,所以说,在电机的运行中,我们如果能够很及时地因为电机的状态做一定的判断,并在电机发生毛病之前,检测出其原因并了解所产生这一毛病的特点,找出解决办法,从而减少因电机的突发的故障所造成的无论在人力的和财力的损失这篇文章把盲源分离、小波变换进行了一定的融合,置于电机的诊断上面。因为,当电机产生故障的时候,往往不是由单一的故障而引起的,如果故障时多个故障同时作用的话,通过传感器获得的的振动信号含有多个故障的振动信号,能把这些混合在一起的信号尽量的进行独立的分开,将会有助于故障诊断。文章使用了更为可靠的盲源分离方法,对收集到的信号做处理,从而做到使信号之间相互独立；当电机出现问题,信号里面尝尝包括许多的不确定、随时出现的信号的成份,一般的信号处理办法不能解决这种状况。小波分析就可以弥补这一缺点,本文中使用小波包能量谱对有FastICA分离出的一路信号进行故障信号特征值的提取,针对所得到的被处理的信号状况来辨别电机的故障所在。首先,本文对课题背景与意义作了阐述,并对电机故障诊断中振动信号的的处理方法进行了介绍。并且介绍此片论文的具体内容。然后阐述blind source separation的基础内容：数学模型、独立性判据以及其实现方法等,重点说明文中使用到的Fast ICA算法。对于本文采集到的大量的采样点观测值,FastICA这种方法比较适合电机的振动信号分离。接下来对振动信号的采集硬件配置、振动数据的采集方案进行了设计及说明。把上面谈及的方法对振动数据信号做一定的处理,根据得到的结果便能够说明这种方法在应用上是用之有效的。文章最后对小波分析理论、小波包能量检测技术进行了介绍,并使用小波包这种方法对分离后信号进行小波包能量谱分析,得到了小波包分解能量比图,通过小波包能量更能够反映故障信息,并能够把频率时域局部化,‘利于给出分类。