目前,交流传动系统的故障诊断技术受到广泛关注,在电机的可靠性解决后,变频器的故障诊断研究成为重点。故障诊断已进入智能化的诊断阶段,智能诊断方法无需对象的数学模型,引起极大的重视和研究。但是目前已开发的方法都存在局限性,融合多种智能诊断方法已成为当今故障诊断的一个研究热点。本文在研究智能故障诊断理论的基础上,提出了两种集成智能故障诊断方法,一种是融合FTA和BAM的故障诊断方法,一种是基于BP神经网络和D-S证据理论的故障诊断方法,分别对变频器及变频器最易失效的逆变电路部分进行故障诊断研究。在研究FTA和BAM神经网络在故障诊断中应用的基础上,提出了一种融合FTA和BAM的故障诊断方法。利用FTA得到系统所有的故障模式,进而由故障模式和根据经验得到的故障分析归纳出BAM的学习样本,即故障模式和故障分析之间的对应。BAM通过联想记忆矩阵并行联想,得到诊断结果,扩展综合故障诊断能力。用上述方法对变频器进行故障诊断仿真分析,结果表明该方法用于解决此类问题是有效的。根据BP和D-S证据理论的特点,使BP神经网络和D-S证据理论优势互补,构建基于BP和D-S推理的综合诊断模型。各测点建立各自的BP,其信号由自己的BP先诊断,完成单测点的局部诊断。然后利用子BP的局部诊断结果构造D-S证据理论的可信度函数,完成多测点证据信息的融合,最终得到综合诊断结果。通过对变频器的关键部件-逆变电路故障诊断的仿真实例分析,验证了该方法的可行性和有效性。