异步电机因其价格低廉、结构简单、维护方便等优势,在工业、农业、交通运输、国防工程中都得到了广泛应用。异步电机的正常工作对保证生产制造过程中的安全、高效、敏捷、优质及低耗运行意义非常重大。随着传感器、计算机、人工智能等高新技术的快速发展和应用,出现了以人工智能、模糊数学、灰色理论、神经网络、小波分析、支持向量机等为基础的智能故障诊断技术,智能故障诊断技术代表了故障诊断技术的发展方向。　　 论文围绕基于神经网络和支持向量机的异步电机故障诊断技术开展理论研究与仿真分析。具体研究工作如下;　　 1.概述了电机故障诊断技术的发展及现状,介绍了电机故障诊断的主要方法;对基于信号处理、专家系统、神经网络和支持向量机的电机故障诊断方法进行了对比分析,突出了神经网络和支持向量机在电机故障诊断中的优越性。　　 2.在介绍了异步电机的结构、工作原理的基础上,对异步电机可能出现的各种常见故障进行了总结和阐述,并分析了各种常见故障产生的原因;对比分析了基于定子电流法的异步电机故障诊断分析方法和基于振动法的异步电机故障诊断分析方法。　　 3.分析了BP神经网络模型结构,阐述了BP神经网络学习算法和学习过程;在仿真软件MATLAB/SIMULINK中构建了基于BP神经网络的异步电机故障诊断仿真模型,进行了仿真模块的选择、仿真参数的设置、仿真模型故障设置,对异步电机供电线路故障进行了时域和FFT仿真分析;对异步电机故障特征量进行了提取、预处理和BP神经网络训练仿真分析,得到了相关仿真结果,仿真结果表明BP神经网络可以很好的用于异步电机故障诊断中。　　 4.研究了结构风险最小化机理,阐述了支持向量机基本理论,推导了支持向量机相关公式,分析了最小二乘支持向量机的实现机理,研究了基于最小二乘支持向量机的故障诊断算法;构建了基于支持向量机的异步电机故障诊断系统,采用仿真软件MATLAB对两组异步电机故障数据样本进行了测试,并对异步电机故障支持向量机样本数据进行了仿真测试分析,获得了相关测试分析结果,分析结果表明基于支持向量机的异步电机故障诊断正确率高。　　 理论研究与仿真分析结果表明;将神经网络和支持向量机应用于异步电机故障诊断是可行的,且采用神经网络和支持向量机对异步电机故障进行诊断可靠性好、诊断正确率高;论文的研究为异步电机提供了新的故障智能诊断方法,为相关研究人员实现异步电机故障准确诊断提供了参考。