随着现代科学技术的发展和提高,电机已被广泛应用于工业生产的各个领域。电机设备在工作中容易发生故障,一旦发生故障,会带来巨大的损失甚至危及人身安全。因此,电机的正常工作对保证生产制造过程中的安全、高效、优质、以及低耗运行意义非常重大。通过对电机常见故障的诊断和分析,可以及早发现故障和预防故障的进一步恶化,减少突发事故造成的停电损失。故障检测技术中,关键的问题为故障特征信号的分析及故障信号的提取,它直接关系到故障诊断的准确性和故障早期预报的可靠性。　　 本文提出了小波分析技术、小波熵以及基于概率论的小波熵带的知识在电机故障诊断中的应用。由于电机有时是几种故障同时发生,尤其对短时低能量的瞬变信号,采用传统信号处理方法提取其位置信息难以奏效,采集到的信号也是包含了多种故障特征的信号特征,当电机发生故障时,运用传统的傅里叶变换不能有效提取电机的故障特征信息,而小波分析作为一种时频分析方法,能够具有表征信号局部特征的能力,能够通过时频窗的灵活来对信号的特征信息提取。　　 本文引用了信息熵中的知识,详细介绍了小波熵的理论知识,在介绍了几种常见小波熵后,详细介绍小波能谱熵,利用小波多尺度分析理论结合小波能谱熵的知识,能够有效提取故障信号的特征信息。通过信号的特征信息与已经建立好的小波熵带进行比较,可以进行电机故障诊断。小波熵带的建立利用概率论中的参数估计知识并且结合已知故障的样本建立小波熵带数据库。最后本文对整个故障系统进行描述,并对整个系统进行实例分析,证明了系统的准确性。