随着电力电子设备复杂性的不断增强、功能的不断完善,自动化程度的不断提高,能否及时、准确地诊断出设备的故障,以保证其平稳可靠运行也就变得越来越重要。论文在绪论中详细介绍了为什么要进行故障检测与诊断,故障诊断的重要性,以及传统故障珍断所面临的难题等;神经网络的基本知识,其中的BP神经网络知识是论文介绍的重点、对于目前用得较多的故障检测与诊断的其它方法也进行了一个系统的比较:最后从硬件的角度上,讲述了DSP在数据采集中所发挥的作用,从而使神经网络故障检测与诊断达到了硬件的实现。基于神经网络的电力电子设备的故障诊断分为两部分,一是故障样本数据及检验数据的采集;二是故障诊断。在故障样本数据及检验数据的采集过程中,首先建立了故障系统的Matlab模型,人为地让系统发生各种故障,从而采集到各种故障数据,经过归一化处理后,作为训练神经网络的样本数据;与时同时,对检验数据也进行采集,以检验训练出的神经网络是否能够起到故障诊断的作用。在故障诊断过程中,采用BP网络结构,针对BP算法收敛速度慢、容易陷入局部极小的缺点,采用“成批处理”的学习方法,这种方法在训练神经网络的过程中,不受学习样本排序的影响,使收敛速度加快;采用了改进的BP算法,采用共扼梯度法,在迭代过程中增加了惯性量。从而达到了加快网络的收敛速度与提高网络的实时诊断精度。针对本论文所确定的研究对象,利用训练好的网络对其进行了故障诊断,从检测结果中可以看出,基于神经网络的故障诊断方法在实际应用过程中是完全可行的。