随着我们国家城市现代化发展速度的不断加快,人口数量的不断增多,城市面临的各种问题也不断增加。其中,交通问题是非常重要的一个环节,也是整个社会最为关注的一个热点问题。城镇化速度的加快导致人口不断涌入到中心城市和大城市中去,导致这些城市的交通压力变大,为了坚持可持续发展的战略方针,现代交通运输已经以低碳无污染的标准进行建设发展,城轨列车就是当前一种重要的交通运输方式。我国的城轨列车发展当今已经初具规模,与此同时,城轨列车的快速发展的同时也不可避免地出现了一些安全问题,原有的故障诊断技术已经无法满足当前的需要,因此,如何建立快速准确的新型故障诊断模型已成为当前的一个热门研究领域。本文以城轨列车辅助逆变器故障诊断为背景,对频率变换、脉冲暂态、电压骤降三种最主要的故障类型进行诊断研究。本文利用MATLAB建立城轨列车辅助逆变器故障诊断模型,主要采用了LMD算法对城轨列车辅助逆变器故障样本进行提取特征向量,通过利用PNN神经网络及SOM神经网络对故障样本进行模式分类。实验结果表明,基于LMD方法和PNN神经网络的故障分类的算法,以及基于LMD方法和SOM神经网络的故障分类的算法,对故障的诊断分类十分准确、快速,诊断效果满足本次对城轨列车辅助逆变器故障诊断的要求。