电机故障诊断技术是一门近年来兴起的包含很多新科技内容的综合技术。在电机带负荷运行中，或不拆卸情况下，根据电机运行过程中产生的各种信息，通过对电机状态参数的检测和分析，它能够判断电机是否存在故障及故障的位置和原因，并可对电机未来状态进行预测。为了提高以电机作为动力的生产设备的可靠性，在电机的不同应用场合和不同运行状态下，研究其故障诊断理论和技术是非常必要的。　　 本文在充分了解电机的工作原理、结构特点、目前常用的电机故障诊断方法和有关电机振动故障诊断基础上，利用先进的信号处理和分析技术—小波分析和AR(autoregressive)参数模型两种方法，通过理论仿真和分析采集的实时电机信号，验证了这两种方法在电机故障诊断中的实用性，具有重要的实际意义。　　 研究了常用的几种小波基函数及其对信号分析的影响和小波变换理论。鉴于小波变换具有多分辨率的特性和比傅里叶变换更强的特征提取能力，本文根据信号特点，选择合适的小波基函数db5，利用小波变换对电机进行故障诊断。重点阐述了小波变换在非平稳信号中的去噪、消除奇异值点，深入的分析了利用小波分析的重构信号的叠加功率谱检测信号中包含的微弱信号的频率成分。通过仿真信号和电机振动信号实验数据的对比分析，对原始信号的等效功率谱和重构信号的等效功率谱相应的能量进行对比，确定故障频率，从而准确找出电机故障。　　 本文将AR模型的现代谱理论引入到电机的故障诊断数据分析中，建立信号的AR模型，计算出模型参数，进而计算出信号的功率谱估计。给定仿真信号，分析比较采用不同方法输出的谱估计结果，验证了选择Levenson-Durbin法快速有效地求解Yule-Walker方程在求解AR模型参数法中的优越性。针对实时采集的电机信号，由采集信号得到能量信号，以抽样间隔10抽取新样本，对新序列进行AR参数模型谱估计，发现在数据较短时，AR参数模型谱估计也能呈现出信号中所含有的所有频率成分，并可求出其响应的频响函数，是预测分析电机状态未来发展趋势的重要手段，也是非常值得我们研究的一种现代谱估计方法。