异步电机运行声音包含着许多重要信息,对声学特征的有效提取结果可用于故障检测。因此,提出一种基于可听声信号的异步电机故障诊断方法。以异步电机为实验对象,利用Gammatone滤波器提取一种正常工况和两种异常工况的声音信号GFCC特征向量;采用卷积神经网络对可视化后的特征量进行分类识别。结果表明:相较于利用梅尔滤波器提取的两种特征量,利用GFCC提取的特征量具有更高的目标识别率。