笼型电机在当前社会中得到了广泛的应用,特别是工业生产和农业生产领域。为了保证在这些领域中生产的安全性,人们需要了解电机每时每刻的运行状态,力争确保电机下一刻安全运行。笼型电机通常在不同的状态下工作,比如启动、加速、减速、稳态运行等。电机在这些工作状态下都有可能发生故障。但是,笼型电机绝大部分时间是在额定负载下稳态运行的。所以,研究笼型电机稳态运行下的故障检测与诊断是具有实际意义的。当笼型电机稳态运行时,受工作环境、人为操作、工艺水平等因素的影响,常有故障发生。这给工业生产和人们日常生活带来了种种不便。在众多故障类型中,转子断条故障是笼型电机常见的故障类型。当电机转子发生断裂时,从电机外部无法观测到。传统的电机电流信号特征分析（MCSA,Motor Current Signature Analysis）方法是非常经典的笼型电机稳态运行故障诊断方法,该方法主要分析电机的定子电流信号的频谱信息,通过检测故障特征频率是否存在来做诊断决策。但MCSA方法有一定的局限性,该方法是以傅里叶变换为基础的,而傅里叶变换的分辨率是与采样的数据长度直接相关的。电机稳态运行时,随着负载的降低,该方法所需的定子电流采样时间将逐渐增加。当电机接近空载运行时,故障特征频率与工频非常接近,由于频谱泄漏的影响,此时MCSA方法将完全失效。所以,在电机低负载运行或短数据的条件下,MCSA方法的频率分辨精度无法达到诊断要求。为此,本文主要针对MCSA方法存在的问题,使用信号预处理手段和其他高精度的频率检测算法并把这些方法应用于笼型电机稳态运行时转子断条故障的诊断中。克服“频谱泄漏”的影响或使用具有高精度分辨能力的算法来弥补MCSA方法的不足是具有针对性的解决办法。本文首先使用基于最小均方算法的自适应陷波滤波技术,对采集到的原始电流数据做工频陷波预处理,再结合MCSA方法做故障诊断分析。此外,特征结构法是一种高分辨参数估计法。本文又使用了多信号分类（MUSIC,Multiple Signals Classification）、Root-MUSIC、修正MUSIC三种特征结构方法做频率估计,研究这些算法在不同数据长度、矩阵维数、电机转速下用于故障诊断时的优劣。最后,本文使用的预知指向最佳分辨（ORPD,Optimum Resolution of Prescient Direction）算法是目前特征结构法中具有最佳分辨能力一种,ORPD算法最初应用于雷达方向角度估计研究中,目前在信号的频率估计中尚未见报道。研究发现,在预知大致方位信息下,ORPD算法比其它特征结构法在DOA估计中具有更高的分辨性能。因此,结合笼型电机稳态运行时转子断条故障的频谱特点,将ORPD算法应用于电机定子电流信号的频率估计值得深入研究。本文结合信号预处理技术,在获得故障特征关于工频对称分布的先验知识下,将ORPD算法首次应用于笼型电机转子断条故障诊断的研究。仿真与大量对比实验结果表明,在笼型电机较低负载运行和短数据低信噪比等条件下,MUSIC等特征结构法的频率分辨精度要远高于傅里叶变换的精度。而具有最佳分辨能力的ORPD算法又比经典的MUSIC算法的频率分辨能力更好,能够实现可靠的电机稳态运行时转子断条故障的高精度诊断。