在电能生产、传输和使用的过程中,电机是其中极为重要的一环。在众多电机中,三相异步电动机占90%以上。电机由于其工作环境的特殊性,容易发生故障,且故障类型众多。这些故障轻则损坏电机,重则导致电机停机,给生产生活带来巨大损失。因此,及时发现并排除电机所产生的故障,对提高我国工业发展水平具有重大的意义。本文的主要研究工作如下:（1）对电机常见故障如转子断条、定子匝间短路、转子偏心、轴承故障（包括轴承内圈、外圈磨损,轴承保持架断裂）等做了简要说明,并分析了这些故障的特征频率。（2）针对信号处理方法的局限性以及电机在强噪声和变负载环境下存在的问题,提出一种基于改进胶囊网络的三相异步电动机故障诊断方法。该方法使用带多尺度策略的一维卷积神经网络作为网络输入,该策略可以从多种层面提升卷积神经网络的特征表达能力。模型再经过一层残差层以防止梯度爆炸。最后通过胶囊网络进一步提取细节特征,并完成故障分类。实际实验以及对比实验表明,该方法拥有更好的鲁棒性以及变负载能力。（3）针对目前模型所存在的通用性问题,提出在改进胶囊网络的模型中加入基于域对抗的迁移神经网络。该网络通过特征提取器和标签预测器实现前向传播过程,并利用梯度反转层实现反向传播。实际实验以及对比实验表明,该方法拥有更好的通用性。（4）搭建电机故障实验平台。模拟实际中可能发生的故障以及完成数据采集系统的搭建。并采集电机驱动端的振动信号作为实验数据。最后利用软件Python设计人机交互界面,实现在线状态监测和故障诊断。