随着电力电子器件技术的发展和电力电子设备复杂度的提高,研究和设计实时、可靠的智能故障诊断系统正得到越来越多的重视。本文首先介绍了电力电子电路故障诊断技术的研究意义和国内外现状,分析了其存在的难点、发展前景及故障模式;然后阐述了BP神经网络与椭球神经网络的原理、结构和算法,着重比较了两者的异同;接着重点研究了电力电子电路的基于层次聚类神经网络故障诊断方法、多初始权重组改进型椭球神经网络(IEUNIM)故障诊断方法和复合改进型椭球神经网络(CIEUN)故障诊断方法。在基于层次聚类神经网络的故障诊断方法中,通过对训练样本进行模糊C聚类,减少了神经网络个数、提高了网络的收敛性与泛化能力。在IEUNIM故障诊断方法中,用K均值法划分故障信息特征空间形成了多初始权重值,并采用改进型椭球神经网络,大大提高了网络的故障辨识能力。在CIEUN故障诊断方法中,将多个改进型椭球子网络复合成一个大网络,并尝试采用多个椭球单元来逼近一个故障模式,取得了较高的诊断精度。利用Matlab7.0软件对典型的电力电子电路进行仿真,采用本文所提方法进行验证并与单BP法比较,结果证明本文所提方法是行之有效的。最后给出了研究工作的总结和后续工作的建议。