多脉波可控整流电路因其良好的谐波抑制性能,被广泛应用在交通运输、电力系统及工业自动化等领域。一旦多脉波可控整流电路发生故障且不能及时诊断,将危害整流设备与负载,甚至会造成重大财产损失与人员伤亡。同时,多脉波可控整流电路结构复杂,功率器件数量较多,其故障具有非线性、并发性与不确定性的特点,当其发生故障,难以判断故障类型与准确定位故障元。因此,本文对多脉波可控整流电路在线故障诊断及其核心功率器件晶闸管的退化预测方法展开研究。首先,本文介绍了多脉波可控整流电路的工作原理,针对典型12脉波可控整流电路的主要故障模式,从系统级对整流电路开路故障进行Pspice仿真并分析,归纳系统开路故障特性;从器件级分析主要功率器件晶闸管的退化原因、退化机理,提炼了晶闸管退化特征参数。结合现有的故障诊断、预测方法与系统总体需求提出本文的故障检测总体研究方案。在整流电路的在线故障诊断方面,针对故障特征数量多,故障诊断算法复杂的问题,结合Relief F特征选择与支持向量机（Support Vector Machine,SVM）提出本文的故障诊断方法。在仿真平台遍历12脉波可控整流电路正常工作状态与故障状态,采集故障信息得到整流电路故障数据集,使用Relief F特征选择方法对故障信息进行相关性分析,提取相关性高的特征参数作为诊断算法的输入,降低了诊断算法复杂度。利用径向基核函数对多分类SVM模型进行训练得到12脉波可控整流电路故障分类模型,并使用测试集对其进行验证。结果表明,通过对训练样本的学习,故障分类模型的诊断精度能达到99.1%。在晶闸管的退化预测方面,研究整流电路中晶闸管退化特征参数在线提取方法。结合粒子滤波预测算法提出本文的晶闸管退化趋势预测方法。利用晶闸管的功率循环退化数据对提出的退化预测算法进行验证,并计算了预测模型的准确度与均方根误差。结果表明,相较于2阶指数函数模型作为粒子滤波的状态空间模型,2阶高斯函数模型可以更准确的完成对模型状态的跟踪和预测。最后,为验证本文提出的故障检测方案的有效性,基于嵌入式系统设计了多脉波可控整流电路故障检测软硬件试验平台,验证了整流电路故障特征提取方法,以及故障检测算法的准确性。