电机电流信号特征分析方法（Motor Current Signature Analysis, MCSA）具有信号获取方便的优势，易于构成非侵入式电机状态监测与故障诊断系统，已成为异步电机故障诊断技术的研究热点。论文主要以异步电机轴承外圈故障为研究对象，基于定子电流信号特征分析，深入研究了强噪声背景下的轴承微弱故障特征提取方法，取得了具有创新性的成果。（1）基于电机结构特征分析的无速度传感器转速估计方法。基于电机结构特征的齿谐波分析是广泛采用的一种无速度传感器转速估计方法，一直是众多学者的研究热点。然而近些年的研究实践表明，在电机转子槽数和极对数的某些组合情况下齿谐波不会出现，导致这种转速估计方法失效。针对这一问题，论文提出引入电机偏心谐波分量进行估计转速。针对工频供电情况下的转速估计问题，提出了一种基于定子电流Teage–Kaiser能量算子（Teage–Kaiser Energe Operator, TKEO）解调的转速估计方法。所提出的方法能够将定子电流频谱中的偏心谐波分量转化为直接与转速相关的谐波分量，有效削弱了基频频谱泄露对提取转子速度谐波的影响，可快速实现转速的准确估计。针对变频驱动情况下的转速估计问题，利用调制理论和转移函数建立了变频器供电侧电流理论模型，提出了一种基于变频器供电侧电流信号电机偏心谐波分量分析的转速估计方法，解决了利用定子电流信号估计转速易受到电力电子器件噪声影响的问题。不同负载运行状态下实验结果表明，依据变频器供电侧电流信号估计电机转速具有更高的可靠性和鲁棒性。（2）基于平方包络线和瞬时频率的滚动轴承故障诊断方法。论文针对电机低负载运行状态下通过提取定子电流信号包络线诊断轴承故障时故障特征不易提取的问题，提出了一种构造定子电流平方包络线信号代替包络线信号的轴承故障诊断方法；利用轴承故障在定子电流信号中引起的相角调制作用相比较于幅值调制作用更加明显的特点，提出了一种新的基于定子电流信号瞬时频率分析的轴承故障诊断方法。实验结果表明上述两种方法均可以将要检测的故障特征频率从传统的边频带成分f1±fof转化为轴承外圈故障振动特征频率fof，削弱了基频频谱泄露和供电系统噪声干扰的影响，能够在不同负载运行条件下有效诊断出轴承外圈故障。（3）结合模态分解和统计分析的滚动轴承故障诊断方法。异步电机复杂工作环境中存在负载波动、电网波动和电网谐波等干扰因素，导致定子电流信号并非严格意义的平稳信号。利用自适应白噪声的完整集成经验模态分解方法（Complete Ensemble Empirical Mode Decomposition with Adaptive Noise, CEEMDAN）对信号中微弱瞬态分量的良好分解性能，论文提出了一种结合CEEMDAN和统计分析的轴承外圈故障诊断方法，对定子电流信号进行时频分解不仅能够清晰地捕捉到定子电流基频分量，而且能够有效提取出包含轴承外圈故障特征的模态分量。为了量化不同轴承外圈故障严重程度水平，提出采用该模态分量的方差、均方根和峰峰值这三个统计特征作为故障严重程度评价指标。实验结果表明，上述方法增强了滚动轴承微弱故障特征的识别能力，并能够对轴承故障严重程度做出有效评价。（4）齿谐波对轴承外圈故障异步电机定子电流影响。现有定子电流诊断轴承外圈故障的磁场特性研究中，均假设定转子光滑，忽略了齿谐波对电机内部磁场产生的影响。论文开展了考虑齿谐波和固有偏心谐波共同作用下的轴承外圈故障电机磁场特性研究，给出了与齿谐波相关的轴承外圈故障特征频率分量在电机定子电流信号中的表达形式。实验分析表明，将齿谐波影响考虑在内，可在定子电流频谱中找出更多与轴承外圈故障有关的边频带故障特征频率，有助于更有效地进行轴承故障诊断。