随着高压、大功率设备的不断应用和变频调速相关技术的飞速发展,如何提高逆变器的稳定性成为社会上广泛关注的问题。逆变器作为变频器中的重要组成部分,因设备结构复杂和工作环境恶劣而容易发生故障。逆变器发生故障后不仅会导致正常的生产作业无法进行,而且还会威胁到工作人员的人身安全。因此,针对常用的中点钳位型(Neutral Point Clamped,NPC)三电平逆变器的故障诊断研究具有重要的工程价值和实际意义。逆变器三相电流信号能够有效的反映设备状态特征信息,因此通常将三相电流信号用于故障诊断。三相电流矢量分析能够提取出电流信号故障特征信息,但是实际工程中电流数据会存在各种噪声干扰,需要研究针对非线性非平稳信号的时频分析方法;时频分析得到的原始特征集会存在大量的冗余和冲突信息,需要利用敏感特征筛选方法进行剔除;对于高维特征集,需要利用降维方法对特征集进行维数缩减,得到判识性能更好的低维特征集;在故障模式识别方面,需要稳定有效的分类器模型用以区分故障状态。为了解决上述问题,具体研究工作如下:(1)分析NPC三电平逆变器工作原理,了解其回路结构和工作方式,确定以故障高发器件IGBT功率开关管为主要研究对象。对功率管开关管开路故障具体分析,并对三相电流数据波形进行分析,揭示故障特征、分析相应特性,获取电流数据的初步特征。研究仿真模型和实验台电流数据,分析单管和双管故障下三相电流波形之间的关系和幅值变化规律。(2)研究基于自适应噪声辅助集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)电流信号特征提取方法,计算时域信号、前四阶IMF分量和Hilbert包络谱的统计参数,构建高维原始特征集。提出一种融合调整兰德指数(Adjusted Rand Index,ARI)和随机森林(Random Forest,RF)特征重要度的故障敏感特征筛选方法,计算调整兰德指数和袋外误差率差值描述特征类间区分度和特征重要度,去除故障特征集合中含有的冗余和冲突信息,提高故障诊断结果的可靠性。(3)为了进一步提取高维特征空间的低维特征表达,研究基于核主成分分析(Kernel Principal Component Analysis,KPCA)非线性降维方法,提取非线性特征主元之间的映射关系,实现高维特征集合的维数缩减。构建基于长短时记忆网络(Long Short Term Memory Network,LSTM)的三电平逆变器故障诊断模型,并利用粒子群优化(Particle Swarm Optimization,PSO)算法自适应的对模型超参数进行优选,提高诊断模型稳定性。使用仿真数据和实验台数据进行对比实验,验证所提出三电平逆变器故障诊断模型的有效性与适用性。(4)为了能够更好的实现逆变器故障监测与诊断,使故障诊断模型更具有实际工程意义,在分析逆变器各回路、元件多维度状态关联关系和知识结构的基础上,构建逆变器健康要素本体结构和状态关系语义规则,结合Neo4j图数据库和Protégé本体描述语言,设计逆变器健康状态知识库。研发了基于.net平台的三电平逆变器状态监测与故障诊断系统,实现数据高效存储、健康状态信息智能推理和IGBT功率开关管开路故障监测。该系统具有较强的数据分析处理能力和良好的人机交互界面,提供用户管理、实时数据查询、规则推理、故障诊断等功能。实验结果表明,本文提出的特征选择方法能够有效的筛选出故障敏感特征,构建的基于LSTM的逆变器故障诊断模型具有良好的适应性,明显的提高了逆变器同工况和变工况诊断识别准确率,结合本体描述和图数据库等相关理论设计的三电平逆变器状态监测与故障诊断系统能够有效描述故障类型,可操作性强。该论文有图44幅,表21个,参考文献91篇。