近十年来,级联多电平逆变器(CMLI)行业取得了长足的进步和显著的成就。尤其是在可再生能源、电机驱动、机械驱动应用等领域中的性能、评价、开发和建设等方面。当今时代,多电平逆变器的故障诊断受到了广泛的关注。因为快速准确的检测对于提高系统的可靠性和效率非常重要,所以研究人员、学者、工程技术人员和科学家对多电平逆变器的故障诊断给予了高度重视,并不断探索最短时间内准确诊断多电平逆变器故障的新方法和新技术。我们的贡献是详尽的进行故障诊断,并提供他们的实时前瞻性解决方案,使系统可靠。原因在于电力电子中可靠性是最敏感突出以及最重要的问题。在电力电子技术中,故障诊断分为在线或离线两种方法。在线故障诊断采用模糊逻辑,离线故障诊断采用概率主成分分析-k近邻(PPCA-k-NN)算法和概率主成分分析-支持向量机(PPCA-SVM)方法,在最短时间内进行故障检测、识别和分类,获得较高的精度。在离线系统中,我们将基于特征提取和特征分类的故障诊断方法应用到CMLI系统中。由于PPCA具有基于概率模型优化数据、便于统计、检验。贝叶方法的应用、能够结合多个PCA、PCA投影等重要属性,本文阐述了PPCA特提取方法在输出数据降维中的应用。由于PPCA的k-NN与SVM的具有一些重特性,如k-神经网络具有稳定性好、精度高、易于实现等特点,所以将PPCA用于故障分类和特征分类。而SVM则是利用核技术寻找最优的超平面,使两个类输入数据从最大距离到最近的训练数据点之间的距离最大。将CMLI不同故障条下的输出电压信号作为故障特征信号,避免了负载变化对故障诊断的影响。在不变输入数据原始属性的前提下,利用PPCA对数据进行优化,利用k-NN对故障行精确定位和诊断。通过现场可编程门阵列(FPGA)的实时实验验证了该方法的有性,在最短的时间内以最高的精度降低了故障诊断时间。在单相CMLI控制开关,采用了PPCA-SVM方法。先采用相移PWM(PS-PWM)技术,将CMLI在不同故障件下的输出电压信号作为故障特征。然后采用PPCA对数据进行优化,减小故障征的维数。最后,利用SVM分类器对不同的故障模式进行诊断。为验证所提出故障诊断方法,我们设计了CMLI实验装置。在模拟中有三个步骤。首先对PPCA和SVM进行参数初始化,然后输出电压信号从逆变器转换到采样单元。将样本号传递给PPCA对数据进行优化,将优化后的数据传递给SVM。在实时实验结果中,采用相同的仿真参数,实现了最高的故障定位精度,减少了故障诊断时间。真和实验结果表明,所提出的故障诊断方法是处理系统故障最合适的方法。在在线系统中,提出了一种三相CMLI的故障诊断技术。提出了基于平均流Park矢量技术的三相CMLI馈电永磁同步电动机(PMSM)驱动模糊逻辑故障诊断技术。三相归一化电流分为正、负两组。此外,利用平均电流Park矢量技,利用相电流信息作为故障症状测量变量。所提出的故障诊断技术可以检测和定位单个或多个开路故障,以及IGBT在任何情况下(如机械转速变化、负载转矩变、系统参数变化)的间歇故障,从而提高电机驱动系统的可靠性。在仿真中,我们首先讨论了三种情况,即无故障状态下的速度变化,然后解释了单IGBT开路故障和单IGBT开路(间歇)故障这两种情况。最后,解释多重IGBT开路故障的情。为了验证所定义的模糊逻辑规则,采用与仿真中所述相同的仿真参数进行了实时实验。该方法在仿真和实时实验中得到了有效的验证,在最短的时间内实现了最高的故障检测精度。