本文主要研究的是多重升压变换器的开路故障诊断问题。多重升压斩波器的结构和动态特性使它在风机、光伏发电、电动汽车等大功率应用上尤其具有优势。通过若干个相同支路的交错并联,该拓扑结构具有电流波纹小、传输效率高以及功率因数小等优点。然而,当多重升压斩波电路的某支路发生开路故障时,输入电流纹波幅值会增大,电路性能会大幅下降。因此故障检测诊断对于提高多重升压斩波器电路的整体稳定性有重要意义。另外对于多重化结构而言,然而目前大部分的诊断方法都只针对单故障,多相故障诊断是本文重点解决的问题。首先本文以四相升压斩波器为例,分析了多重升压斩波器的结构特点、工作原理,特别是故障过渡过程中电路输入及各支路电流的变化,为后面诊断算法的设计提供先验知识。搭建了基于MATLAB的仿真平台,以及硬件电路实验平台,用于所提出方法的有效性验证和性能比较。接着本文提出一类简单而有效的基于模型的开路故障诊断方法,根据输入电流和支路电流之间的关系获得线性模型,通过一次模型参数的辨识,即可在一个开关周期内检测出所有支路的状态,实现多相并发故障检测。在建模的过程中需要预测正常状态下的支路电流,根据电路的先验知识本文提出基于预存电流和输出电压两种方法,实验证明这两种方法均能较好地估计出相电流。另外,数据驱动方法由于其具有不需要精确的数学模型和易于实现等优点,近年来也成为故障诊断领域的热点。结合输入数据在时间上的关联性,本文提出了基于循环神经网络(RNN)的故障诊断方法。仿真和实验均表明,三种所提出的算法能准确,快速地诊断多相故障。最后本文从诊断方法的准确率、召回率、AUC等性能指标出发,比较了三种所提出方法的性能。除此之外,本文还比较了所提出的方法对于不同的负载、噪声强度和PWM控制信号占空比下的鲁棒性。结果表明数据驱动方法从指标上看更优,然而该方法计算量相较于基于模型的方法更大,而且需要训练神经网络的时间较长,而基于模型的方法在性能指标上差距不远,在实际应用中这类方法需要的计算能力更小,诊断速度更快,实现更简单。另外,基于模型的方法运用的是多重交错并联结构中普遍存在的关系,因此该方法具有可扩展性,可以推广到任意相数的交错并联式DC-DC斩波器,而无需重新建模。对于其他的多重化交错并联的结构,本文所提出的基于模型的方法也有直接的参考意义。