随着新能源船舶的发展,逆变器将在新能源船舶的电力系统中发挥越来越重要的作用。逆变模块是船舶电力推进装置的核心设备,但逆变模块是电力系统的薄弱环节,其控制通断的功率开关元件故障率高。因此,研究逆变模块的故障诊断对船舶及其设备安全有重要的意义。通过总结国内外逆变器故障检测与诊断的技术发展现状,针对船舶逆变模块存在噪声且能获取的故障特征值有限的特点,本文提出了无迹卡尔曼滤波和支持向量机结合的故障诊断方法。本文以典型船舶逆变系统为基础建立了仿真模型,该模型采用PWM技术控制方法,并以异步电机为负载。本文利用该模型对逆变器功率开关元件各种故障状态下的电流进行了分析,得到了可以利用电流进行故障分析的结论。考虑到将频率作为一个测量参数时,复数域卡尔曼滤波比实数域卡尔曼滤波更有效率,本文建立了逆变系统复数域的电流模型。本文利用该模型对比了扩展卡尔曼滤波算法和无迹卡尔曼滤波算法在不同信噪比下对参数估计的收敛性能,得到了无迹卡尔曼滤波性能更优的结论。然后利用复数域的无迹卡尔曼滤波算法对逆变系统频率、基波以及部分谐波进行估计,仿真结果表明,这些被估计参数能很好的反应不同的故障特征。因此这些估计参数可以作为逆变器功率开关元件故障分离的特征值。支持向量机具有较好的鲁棒性,能在小样本的情况下进行分类,但传统的支持向量机有分类次数多、分类准确率不高的缺点。为提高支持向量机分类效率,本文设计了一种基于多个多分类支持向量机的故障分离模型。同时为了提高模型中单个支持向量机的分类准确率,本文对支持向量机的训练数据和测试数据进行了归一化,并对选择了适合的核函数。仿真结果表明多个多分类支持向量机模型能有效的对逆变器功率开关元件故障进行分离。