近年来,轨道交通列车以其绿色节能、安全舒适、准点快捷的优势成为越来越多人出行的首选。在轨道交通列车的运行过程中,辅助逆变器是否能正常工作,会直接影响到列车的运行安全。因此,对轨道交通列车辅助逆变器故障诊断进行详尽的研究,对于保障列车安全运行,有重要的现实意义。本文以轨道交通列车辅助逆变器故障诊断为背景,对其可能发生的多种IGBT开路情况进行故障诊断研究,设计了仿真实验。本文共分为五个章节。首先,介绍课题背景以及故障诊断技术的研究现状。其次,研究轨道交通列车辅助逆变器工作原理以及产生故障的原因和类型,并在SIMULINK环境下搭建辅助逆变器仿真模型,对辅助逆变器IGBT开路故障的21种模式进行仿真;在Matlab环境下编写了相关程序,比较了EMD算法和MEEMD算法,并且对原始故障信号分别采用这两种方法进行了故障特征分解,选择了分解准确性更好的MEEMD算法进行特征提取,这种方法能够有效抑制EMD分解产生的模态混淆现象;通过计算能量矩的方法获得故障特征向量,作为故障诊断算法的输入数据;对于故障特征向量采用了两种方法识别故障类型,一种是基于GRNN神经网络方法,它的网络模型结构简单,参数少,诊断准确率为98.8%,高于BP神经网络77.0%的准确率;另一种是基于人工蜂群算法(ABC)优化的最小二乘支持向量机(LSSVM)算法,并与没有优化的LSSVM标准算法进行比较实验,诊断准确率为98.88%,高于单纯使用LSSVM算法的故障诊断率。最后,通过实验证明本文提出的两种算法确实能够提高故障诊断的准确率。