随着电力电子技术的进步,电力电子系统越来越复杂,系统的可靠性和安全性已成为保障经济效益和社会效益的一个重要因素,因此故障诊断技术受到各国学者的重视而成为研究热点之一。随着近二十年来理论与实践的发展,故障诊断技术突破了传统方法模型依赖性强、鲁棒性差和不易于精确定位等缺陷,与信号处理、模式识别、人工智能等学科越来越紧密地结合起来,从而向智能化和精确定位方向发展。本论文针对电力电子电路故障的特点,提出了小波变换和支持向量机的故障诊断方法并做了以下几个方面研究和分析。首先,本文使用Matlab中的Simulink仿真工具箱建立仿真模型,对电力电子电路的故障为主要研究对象,分析各类型故障。选择几种具有代表性的故障类型为本文的研究对象,从测试点得到各种故障状态下的输出电压信号。其次,运用小波变换理论的多分辨率分析的方法对整流输出电压故障信号进行分解,以各尺度的高频部分能量为特征向量,提出了特征向量的提取方法同时证明了以各尺度能量分布为特征向量的合理性。针对电力电子电路特点,本文将多种小波进行对比并进行了大量的仿真实验分析,确定小波函数和分解尺度分别为Db40和八个尺度。再使用Matlab小波工具箱分解信号,提取各尺度小波变换系数并计算各尺充能量值,建立各类故障类别的能量特征空间。根据支持向量机理论,为了能建立有效的分类器,对比选择高斯核函数为内积函数并使用了双线性网格搜索算法确定了相应的最优误差惩罚参数和高斯核参数。针对电力电子电路故障的特点,本文提出了一种改进的一对多分类算法建立分类器并对故障特征进行分类。经该算法计算,当某一个分类器算得值为1时,就不再进行下一步的计算并能确定此时的类型为电路的故障类型,这样就有效的降低了计算量,提高了测试的效率。仿真和测试结果表明本文提出的方法能有效地诊断电力电子电路故障。