از بدو تولد انقلاب صنعتی استفاده از موتورهای الکتریکی جایگاه خاصی در پیشرفت و تحولات صنعتی ایفا کرده است. همزمان با این تحولات، موتورهای الکتریکی متحول شدند و ساختار های آن بهینه گردید. موتورهای القایی به دلیل اقتصادی بودن، ساختار ساده و نگهداری آسان، نقش مهمی در راه اندازی مؤثر فرآیند های صنعتی ایفا می کنند و به عنوان پیشران در صنعت شناخته می شوند. این موتورها همواره در معرض تنش های مختلف الکتریکی، مغناطیسی، حرارتی و مکانیکی قرار دارند که باعث بروز عیب . در موتور می شوند. خرابی موتور به نوبه خود می تواند باعث بروز حوادثی با خسارات اقتصادی و حتی جانی زیادی شود. بنابراین، ارزیابی وضعیت کار موتورهای القایی، شناسایی و تشخیص عیب و سپس انجام اقدامات مناسب برای جلوگیری از خرابی عمده ماشین بسیار مهم است. از این رو تحقیقات گسترده ای در زمینه مدل سازی و شبیه سازی موتور با وجود عیب و نیز تشخیص عیب در بخش های مختلف آن صورت گرفته است. در این پایان نامه، پس از بررسی موتورهای القایی انواع عیبهای رایج آن و دلایل ایجاد عیب مورد بررسی قرار می گیرد. سپس مدل موتور با امکان اعمال عیب مشخص می شود. در مدل سازی این سیستم، از شبکه عصبی در محیط MATLAB استفاده می گردد. برای بهبود عملکرد سیستم تشخیص عیب نیز از روش های پردازش سیگنال استفاده می شود. دو روش متداول برای استخراج ویژگی های مورد استفاده جهت تشخیص عیب، تبدیل فوریه و تبدیل موجک است. تبدیل فوریه به علت ثابت فرض کردن فرکانس استاتور و بار موتور جهت بکار گیری سیستم های غیرخطی مناسب نبوده به همین منظور از تبدیل موجک استفاده می کنیم. تبدیل فوریه تنها در حوزه فرکانس دارای رزولوشن بالایی است، اما تبدیل موجک هم در حوزه فرکانس و هم در حوزه زمان از این مزیت برخوردار است. ویژگی دیگر تبدیل موجک مشخص نمودن فرکانس های موجود در سیگنال و تعیین این موضوع است که هر فرکانس در چه زمانی از سیگنال رخ می دهد. با این پردازش ورودی های موثرتری در اختیار شبکه عصبی قرار می گیرد و در نتیجه از داده های کمتری استفاده می شود. شبکه عصبی مورد استفاده نیز شبکه عصبی کانولوشن است. این شبکه ها برخلاف گونه های مختلف شبکه های عصبی دیگر که احتیاج به پیش پردازش جهت کاهش نویز دارند، نیاز کمتری به پیش پردازش دارد. همچنین امکان آموزش شبکه جهت ادراک بالاتر پیچدگی های تصویر وجود دا
