本文以CRH2型动车组牵引系统三电平逆变器为研究对象,针对逆变器中发生的复合故障,以基于数据驱动的故障诊断方法出发,并根据不同类型故障发生时采集的数据的特点,进行复合故障的诊断技术研究。主要针对三电平逆变器中发生的三类复合故障进行了诊断,分别是(1)同桥臂IGBT功率管复合故障;(2)不同桥臂IGBT功率管复合故障;(3)钳位二极管和支撑电容复合故障。具体内容如下:首先介绍了本课题的研究背景、来源以及研究意义。结合Simulink组件和Sim PowerSystems模块库,建立了三电平逆变器的电气仿真模型,根据逆变器的运行环境和运行原理,提出了三类在三电平逆变器中易发生的复合故障,即IGBT功率管同桥臂复合故障、IGBT功率管不同桥臂复合故障、钳位二极管和支撑电容复合故障,在所建立的电气仿真模型上,分别进行这三类复合故障的分析,确定了这三类故障的所有故障类型,得到了区分同桥臂与不同桥臂复合故障的定性判据。仿真验证了所搭建的模型的准确性以及所研究的复合故障的合理性。针对逆变器IGBT功率管同桥臂复合故障,考虑到此类故障类型较少,样本数据简单的特点,提出了基于快速傅里叶变换和决策树算法的故障诊断方法。通过快速傅里叶变换提取故障相输出电流的特征信息,用于训练并生成决策树分类模型。仿真结果表明,所生成的决策树模型分支较少,结构简单,且具有良好的复合故障分类能力。针对逆变器IGBT功率管不同桥臂复合故障,考虑到此类故障类型较多,样本数据复杂的特点,提出了一种基于小波分析和支持向量机的故障诊断方法。利用小波变换对三相电流信号进行自适应多分辨率分析,提取故障信号主要频带内的小波系数能量值,作为故障特征向量,用于支持向量机分类器的训练与测试。在支持向量机分类器设计阶段,提出了一种可变步长的网格搜索算法来优化支持向量机参数组,使得在获得全局最优的参数组的同时,减少了支持向量机的训练时间。仿真结果表明,所提出的复合故障诊断方法不仅具备故障检测功能,同时也具备良好的复合故障分类能力。针对钳位二极管和支撑电容复合故障,提出了一种改进的经验模态分解和支持向量机的故障诊断方法。由于经验模态分解对含噪信号分解效果不佳,本文提出了一种小波降噪的预处理方案,提高了经验模态分解对故障信号的分解效率。再以经验模态分解后的主要分量与原信号之间的相关系数来构造故障特征向量,以此来训练和测试分类器。在训练支持向量机分类器时,分别采用遗传算法和可变步长的网格搜索算法来优化支持向量机参数组,再利用测试数据测试分类器的分类效果。仿真结果表明,当支持向量机训练样本数量较小时,应该采用遗传算法来优化支持向量机参数组,此时不仅分类效果好,同时分类器的训练时间也要少;而当支持向量机训练样本数量较大时,应该采用可变步长的网格搜索算法来优化支持向量机参数组,此时虽然在分类效果上要略低于遗传算法优化的分类器,但是训练时间较遗传算法要少得多。