多脉波可控整流电路广泛应用于城市地铁、轨道交通的牵引等电气传动行业,也是许多工业生产中的关键设备。对多脉波可控整流电路进行精确、可靠的故障诊断具有极大的现实意义,本文提出了一种基于粒子群算法优化神经网络的双桥并联整流电路故障诊断方法。电力电子电路故障诊断由于没有统一的故障模型、存在元器件容差和非线性等因素,一直是富有挑战性的工作。神经网络具有解决上述困难的诸多优势。本文采用改进的粒子群算法(PSO)来优化训练神经网络的权值和阈值,改进后的PSO算法采用自适应调整惯性权重的策略,并且引入扰动因子,来平衡集中强化搜索和分散多样化的搜索过程。该方法极大地提高了PSO算法的收敛速度。针对双桥并联整流电路中故障类型较多的特点,对故障类型进行了分类,分为大类和小类两种;首先用频谱分析方法提取出大类故障特征量,小类故障在软件编程中用相位量识别;该方法极大地简化了用于故障诊断的神经网络的结构,而且易于编程实现。本文将上述改进PSO算法优化的神经网络应用于双桥并联整流电路的故障诊断中,取得了很好的效果。仿真结果表明,该方法对阻性、阻感性负载时的故障诊断都具有良好的故障识别率,便于电路故障自动诊断系统的建立。另外为便于整流电路的在线故障诊断,本文设计了基于DSP的故障诊断系统。该方法简单、高效;并且具有通用性,只需要修改故障判据,该DSP故障诊断系统就可以用于其他整流电路功率器件的故障诊断。