由于电力电子线路的高成本,使得仿真对线路的设计尤为重要.在器件模型确定后,仿真精度取决于器件模型参数.如何辨识器件模型参数一直是电力电子领域里一个活跃的分支.本文根据Morel教授提出的PIN功率二极管模型,对其进行参数辨识,并进行了有效性验证.考虑到器件的内部模型参数与其外特性相关,本文采用了实测和仿真相结合的辨识方法,通过器件的外特性来辨识其内部物理模型参数.这一方法的实现依赖于最优化算法的应用,通过最优化算法的迭代不断促使仿真波形向实测波形逼近,直到最优为止,从而实现器件模型参数的自动辨识.为了实现电力电子器件模型参数的自动辨识,建立了以PC机和SUN工作站为控制中心的电力电子器件特性自动测试系统.该系统包括PC机、SUN工作站、程控数字示波器、GPIB接口总线、凌华PCI-9112数据采集卡、可控电源以及PIN功率二极管实测电路.通过JAVA和C语言程序控制实现这个系统的自动运行.在最优化算法的设计中,本文采用了遗传算法和变量轮换法.遗传算法具有全局性搜索的优点,但是传统的遗传算法容易陷入局部最优点,所以本文对遗传算法进行了改进,得到了自适应遗传算法.但是这种全局性搜索是以控制收敛速度为代价的,并且精度不高.作为一种尝试,本文采用了改进后的自适应遗传算法.针对控制变量较多,本文还采用了变量轮换法,变量轮换法对于折皱特别多,峰回路转的曲面,具有很好的效果,本文的实验数据也证明了这一点.在实现功率二极管模型参数辨识基础上,本文对所辨识的参数进行了有效性验证.给出了在不同电流、电压情况下,所辨识参数的准确性,得到了有指导意义的结果.