Buck变换器实际应用中工况变化复杂,因而确保其安全、稳定及可靠运转的需求越来越迫切。而研究变工况Buck电路故障特征提取能够降低故障引起的损失和维护成本。其中由元器件参数退化引起的Buck电路性能退化,无明显、区分度大的故障特征,且传统的特征提取方法难以达到预期效果,故对变工况Buck电路软故障特征提取方法的研究具有实用价值。本文具体研究内容如下:简要分析Buck电路工作原理及LC滤波参数设置,同时考虑工况变化和电容软故障,Simulink仿真得到变工况条件下不同种类软故障的输出电压和电感电流作为故障信号,探索了三种软故障特征提取方法。基于时域特征软故障特征提取,故障信号的时域参数能够反映该信号时域的能量分布以及状态波动,故计算故障信号的14维时域参数作为故障特征参数,并使用萤火虫优化的支持向量机作为分类器进行故障诊断。结果表明时域特征参数适用于以电流、电压或电流及电压复合信号为故障信号的变工况闭环Buck电路软故障诊断。基于VMD模糊熵软故障特征提取,变工况Buck电路软故障状态存在相似性,所导致的特征提取困难,可以通过时频分析解决,而特征提取方法的抗干扰能力可以通过模糊熵解决,所以故障信号的VMD模糊熵可作为故障特征参数。首先以VMD分解后IMF分量的中心频率确定最优分解层数,并提取故障信号IMF分量的模糊熵作为故障特征参数,使用萤火虫优化的支持向量机作为分类器进行故障诊断。结果表明,该特征提取方法,虽计算量比时域参数大,但适用于以电压、电流及电压复合信号为故障信号的变工况开环Buck电路软故障诊断。基于VMD小波包能量熵软故障特征提取,Buck电路出现软故障时,各频带内的能量分布会有变化,故可提取故障信号的VMD小波包能量熵作为故障特征参数。首先以VMD分解后IMF分量的中心频率确定最优分解层数,并提取故障信号IMF分量的小波包能量熵作为故障特征参数,使用萤火虫优化的支持向量机作为分类器进行故障诊断。结果表明,该特征提取方法虽然计算复杂,但适用于以电流、电压或电流及电压复合信号为故障信号的变工况开环Buck电路软故障诊断。