感应电机因其具有低造价、高可靠性、易控制、结构简单等优点被广泛应用于船舶领域。当船舶感应电机出现严重故障失效时,会导致船舶相关设备无法正常工作,甚至直接威胁船舶航行的安全。轴承作为感应电机的重要组成部件,也是感应电机故障发生几率最高的部件之一。随着船舶管理智能化以及智能船研究的日新月异,对船舶感应电机轴承故障的可移动诊断设备和在线诊断的需求显得尤为迫切。本文针对船舶的振动环境以及电网的谐波噪声相对于陆地更加恶劣的特点,采用具有非侵入式测量特点的电流特征分析法,研究探讨一种运算复杂度相对较低,但能够有效识别感应电机轴承故障,并且可以应用于便携的感应电机轴承故障诊断设备或者在线故障监测的方法。本文在船舶感应电机轴承故障诊断方面分析研究了小波变换、希尔伯特变换、周期图法和经验模态分解等故障提取方法,以及神经网络、随机森林、支持向量机(Support Vector Machine,SVM)三种模式识别方法,根据故障信息提取、识别的效果和计算复杂度的权衡,通过试验对比研究,提出了一种基于Blackman窗函数的改进的周期图法与支持向量机相结合的轴承故障信息提取与识别的方法;在故障识别方面,设计了特征参数选择与加权算法,优化了支持向量机输入的故障特征向量的构成,提出了采用峭度、偏度、波峰因数、间隙、形状因子5个参数作为SVM输入故障特征向量构建方式,通过网格搜索法进行了核函数的参数寻优,并应用到支持向量机的训练和滚动轴承故障识别中。基于上述的船舶感应电机轴承故障监测方法,设计了电流采样电路、A/D转换电路、DSP-PC机通讯电路、按键输入电路、系统的显示电路,设计了系统训练、故障提取及识别的软件程序。试验结果表明,本文所提出的感应电机轴承故障诊断方法在滚动轴承故障诊断应用中是可行的和有效的,同时,计算复杂度相对较低,成本相对低廉,可以应用于便携诊断设备以及在线、离线的感应电机轴承故障诊断。