随着科技的不断进步，工业生产的自动化程度也在不断提高，作为机电系统中的核心动力源，电机的使用愈加广泛。但是，电机一旦发生故障，轻则使电机绝缘损坏或使用寿命缩短，重则使电机烧毁或整个系统发生崩溃，严重影响到人们的生命安全及正常的生产和生活秩序。因此，对电机故障检测技术的研究具有重要的理论价值和实际意义。　　本文以应用较广泛的异步电动机为对象，研究了基于神经网络的电机故障检测技术。　　首先，研究了异步电动机的工作原理，并对异步电动机在定子匝间短路、转子断条和转子偏心三种故障状态下的定子电流频域特征进行了分析，确定了这三种故障状态所对应的定子电流特征频率。　　然后，以实际测量的定子电流特征频率和对应幅值为基础，进行了定子电流故障信号的时域仿真及频域分析。仿真实验结果表明，仿真所产生的电机定子电流故障信号与实测故障信号在时域和频域均高度相似。因此，本文将仿真所得的电机故障信号代替实测故障信号用于后续的故障检测技术研究。　　最后，研究了BP神经网络算法的基本原理，并将BP神经网络用于异步电机故障检测。主要工作包括:电机故障仿真信号的预处理，BP神经网络的结构设计、参数配置和训练，并完成了基于故障仿真信号的故障检测。　　实验结果表明，本文所设计的BP神经网络能够准确地进行异步电机的故障检测。