船舶综合电力系统技术是现代船舶动力技术的一次跨越式发展,是全面解决船舶动力平台问题的最佳途径。船舶电力系统是船舶的核心组成部分,模块化多电平变换器（Modular Multilevel Converter,MMC）是船舶电力系统重要的电源转换器件。船舶长期处于高温、高湿和高盐雾的复杂海上环境中,MMC很大可能发生故障。一旦MMC发生故障,不但会影响船舶电力系统正常运行,严重情况下,还会导致灾难性的后果,因此对其故障诊断非常必要。本文以船舶电力系统MMC为研究对象,对MMC开关管故障进行研究,主要内容包括:一、研究基于经验模态分解和宽度学习系统（Broad Learning System,BLS）故障诊断方法。该方法首先运用经验模态分解方法对故障信号进行特征提取,然后利用人工蜂群算法（Artificial Bee Colony algorithm,ABC）优化BLS的节点参数,最后通过优化的BLS对故障进行分类。船舶电力系统模块化三电平变换器开关管开路故障诊断仿真实验结果表明,该方法能快速、准确地完成故障诊断。二、研究基于卷积神经网络（Convolutional Neural Network,CNN）和支持向量机（Support Vector Machine,SVM）融合的故障诊断方法。该方法利用CNN提取船舶电力系统MMC故障信号的深层特征,并作为故障分类器的输入,再由SVM分类器实现故障分类。船舶电力系统模块化五电平变换器开关管开路故障仿真实验结果表明,该方法较传统深度学习方法准确率高,抗干扰能力强。三、研究基于长短期记忆网络（Long Short-Term Memory,LSTM）的故障诊断方法。该方法首先利用多层堆叠网络提取原始故障信号的微弱特征,然后将提取的特征映射到样本标记空间,最后使用Softmax实现故障分类。船舶电力系统模块化九电平变换器开关管开路故障仿真实验结果表明,该方法无需人工特征提取,提高了模型的泛化能力。