交-交变频器无中间直流环节,装置体积小、质量轻,一次功率变换控制效率高,被广泛应用于热轧、冷轧轧机的主传动等低转速、大容量的场合。由于其结构和器件的特殊性以及在工业系统中所起的重要而特殊的作用,其安全保障问题显得非常重要。一旦发生故障,若不能迅速找出故障的性质、原因及部位,并及时做出处理,将会导致整个生产系统瘫痪和生产机构的严重损坏,造成巨大的经济损失。目前变频器特别是交-交变频器的智能故障诊断技术和应用尚处于比较低级阶段,且以交-直-交变频器为故障诊断对象的研究较多,因此建立针对交-交变频器的故障诊断系统的研究具有必要性和实际意义。本文结合国内大型钢铁行业的实际情况,概述了调速系统的组成与结构,着重分析了交-交变频器在同步电动机调速系统中的工作方式,并介绍了交-交变频器的常见故障。考虑实际生产中的交-交变频器其内部信息难以获取,选择利用相关输入/输出电量(如电压、电流等)作为检测对象,来诊断变频器内部故障。针对实际变频器利用实验实际获取数据难的情况,对具体工作状况,应用MATLAB软件对整个调速系统进行仿真实验。在仿真模型的基础上,模拟了在实际工况中常见故障,如晶闸管开路、短路的情况,并获取三相输出电流的试验数据,通过FFT 变换,将变换后的数据作为诊断的基本信息。通过对国内外多种神经网络和智能故障诊断技术的分析比较,并考虑到直接检测变频器内部有关信息的难度,本文提出并研究了基于神经网络的变频器故障诊断技术,以变频器输入/输出有关电量(电压、电流等)特征值作为神经网络的输入,通过神经网络的自学习方式,对变频器内部晶闸管故障进行定位。并针对BP 神经网络的不足,引进了带偏差的递归神经网络来改进故障诊断的有效性。通过对比分析可知,大大改进的神经网络拟合效果和泛化能力强。仿真实验和研究表明,该方法能迅速的进行故障判断,同时对故障发生的晶闸管故障准确定位,有效的减少了排查故障的时间,提高了交-交变频器运行的可靠性,确保了生产正常进行,为交-交变频器的智能故障诊断技术应用提供了新的思路。