随着可控功率电子器件及相关技术的蓬勃发展,各种拓扑结构的大功率多级变频调速系统在工业中的应用越来越广泛,降低了单位能耗,取得了显著的节能效果。变频器是一个十分繁杂的电子系统,其中功率开关管的开路故障是变频器中出现概率最高的故障,本文利用多传感器信息融合技术的优势,对变频器的功率管的开路故障进行诊断,破除单一传感器的局限性,提高故障诊断的准确性和精度。本文以ABB公司的ACS6000变频器为研究对象,该变频器为三电平四象限变频器,将变频器主电路分为整流电路、直流电路及逆变电路三个部分,对这三部分电路详细分析了基本工作原理及各部分功率管开路故障时的各种输出波形,从输出波形中提取出故障特征。对三部分电路分别建立三个子模糊神经网络,先对各部分电路进行故障诊断,也是对变频器健康状态初步的局部诊断。D-S证据理论具有较好的处理不确定信息的能力。针对故障诊断中的不确定性,采用D-S证据理论将整流电路、直流电路、逆变电路的三个子模糊神经网络的诊断结果进行融合,得到整个变频器的健康状况。但是由于D-S证据理论对于强冲突数据的融合效果不理想,本文利用基于相似系数的D-S证据理论对强冲突数据进行融合,取得了较好的效果。故障特征信号与输出信号具有非线性,模糊神经网络具有良好的非线性自适应能力,并且易于构造基本概率函数;而D-S证据理论构建基本概率函数比较困难,具有很大的主观性,但决策比较准确。模糊神经网络与D-S证据理论具有优势互补的特点,本文将这两种诊断方法结合在一起,建立了基于模糊神经网络和D-S证据理论的变频器主电路健康诊断框架,使用三个子模糊神经网络对变频器进行局部诊断,再通过D-S证据理论进行全局融合,得到整个变频的健康状况。最后通过实例验证了综合诊断的方法比单独使用一种诊断的方法具有更高的准确性。