随着动车组速度的提高和行车密度的增大,动车组交流传动主电路的故障诊断对行车安全越来越重要。本文首先阐述动车组故障诊断的迫切性与意义,介绍了动车组交流传动系统主电路故障诊断的概念与常见的诊断方法,并分析目前动车组交流传动主电路故障诊断技术存在的不足,确定了本文采用的故障诊断方法为：基于人工智能的故障诊断方法。本课题的研究对象是CRH2型动车组交流传动主电路,分析CRH2交流传动系统的主电路原理及结构,并根据故障日志来统计总结各种故障发生的原因。然后通过Matlab/simulink软件对主电路逆变器进行仿真,模拟各种故障发生后的电路运行状态,采集不同故障下的电压输出波形。然后通过小波分析的方法对波形进行故障特征选择与特征提取,并提取时域波形峰值,进行特征评估后获得最优特征向量。最后,在此基础上通过基于误差反向传播算法的BP神经网络对故障进行诊断,并进一步将粒子群优化算法和量子行为粒子群优化算法应用于神经网络参数的优化。研究结果表明,基于L-M优化算法的BP神经网络训练速度较快,能够达到较好诊断效果,通过群体智能优化算法对神经网络进行的权值和阈值参数进行优化,可以提高收敛速度,有助于改善传统BP神经网络故障诊断方法收敛缓慢、易陷入局部最优解的缺陷。