异步电机结构简单，价格低且易于维护等优点在工业生产和大众生活中有着越来越大的影响,传统的计划性维修不能保证电机高效的运行,电机的状态监测与故障诊断开始受到重视。本课题采用电气信号分析(Electrical Signature Analysis, ESA)技术,在线检测电机的电压电流有效值、谐波、功率因数、定子绕组故障、转子断条、气隙偏心及轴承故障等故障。基于Cortex-M3内核的STM32F103ZET6微控制器具有高精度、低功耗、存储容量大及体积小等优点,适于便携式现场检测设备的开发,与C#编程设计的上位机软件界面和数据的管理软件一起实现电机的状态监测与故障诊断。结合数字信号处理技术,论文着重改进故障特征频率识别的准确度,提高故障诊断的准确性。电机的电气故障(如定子绕组故障、转子断条和气隙偏心等)和机械故障(如轴承、转子不平衡或不对中等)都与电机的转子转速有密切的关系,因此本文通过包络解调算法对定子电流进行解调处理,在解调谱中寻找电机的实际转速,排除了电源分量对电机转速识别的影响,同时利用三线能量校正法对识别的频率进行校正,得到更精确的故障频率。实际转速判断故障频率比额定转速判断故障频率精度更高,校正后的实际转速优于未校正的转速,提高了故障诊断的准确率。