智能家电作为各种部件的有机结合已经在日常生活中变得不可替代。它们的运行状态会对人产生直接的影响,一旦发生故障会严重损害生活体验,严重时甚至会造成人员伤亡。现阶段,对于各种智能设备的检测仍然是以人工识别的方式为主,对故障的预警和诊断系统的研究不多。因此研究对应性良好的故障检测和诊断系统,对家电故障采取及时处理,具有十分重要的意义。本文以智能洗衣机作为研究实例,对变频器和异步电机整体结构进行了故障诊断技术研究。内容如下:首先,本文针对变频器的主电路和异步电机的基本结构及运行原理进行了分析。归类各种故障类型产生的原因,确立了诊断模型。对于故障模型所需的大量数据,除了从数据库中获取、建立了Simulink工具箱下的故障仿真模型获取外,也通过了实验室手段采集小部分故障样本作为训练和检测的对象,达到对照目的。然后利用小波包分析法,将获取的变频器主电路三相输出特征、异步电机定子电流特征进行了处理,并以此作为故障信息采集了样本并用小波包分析提取出故障信号的特征权重,构建了特征向量。最后分析GBDT、XGboost以及支持向量机三种机器学习方法进行数据归类的特点和原理,并以网格搜索遍历的方法进行了参数调节。然后在对三种方法分别以实验室获取数据和数据库获取数据进行训练后,以小波包分析获得的特征向量作为输入,变频器和异步电机的故障结果归类作为输出进行了变频器主电路、异步电机和变频器-电机整体的故障诊断。对比了三种机器学习方法在针对这几种对象时的性能,测试结果表明XGBoost方法在针对智能洗衣机的整体系统上表现优异,可以用于以变频电路和动力转换装置为主的智能家电结构。本文将Matlab电路仿真、小波包分析、支持向量机、决策树等应用到了家电故障的诊断问题上,解决了发生故障时难以准确、高效的进行诊断的问题。为智能家电的故障诊断做出了一定程度上的实践研究,确认了对智能家电这一整体系统实施故障诊断的可行性。