随着多电平逆变器在高压、大功率场合的广泛应用，其故障问题也越来越突出。目前，国内外有关三电平逆变器故障诊断问题的研究报道较少。本文针对三电平逆变器故障诊断问题，在对主电路功率开关器件故障进行理论和仿真分析的基础上，分别研究了神经网络和支持向量机理论在三电平逆变器故障诊断中的应用。本文首先从三电平逆变器的拓扑结构和工作原理出发，分析了三电平逆变器主电路的故障类型，将主电路功率开关器件的开路故障分为9大类，应用MATLAB软件对这些故障进行了仿真分析，得到了3条有用的结论。其次，研究了基于神经网络的三电平逆变器故障诊断方法，利用傅立叶变换提取故障信号各次谐波的幅值和相位特征，作为故障特征向量。采用三层BP网络对逆变器的非典型故障进行诊断，引进专家规则对逆变器的典型故障进行诊断，减轻了神经网络的负担，提高了算法的速度和准确性，并取得了较好的诊断效果。将神经网络和专家规则结合起来对三电平逆变器故障进行诊断是本文的一个创新点。再次，研究了基于支持向量机的三电平逆变器故障诊断方法，利用小波包变换理论提取故障信号各频带的能量，作为故障分类器的特征向量，采用一对多方法建立了支持向量机的多故障分类器模型，并对逆变器的非典型故障进行诊断，仿真实验结果表明了该方法具有很好的分类效果。从现有的文献看，目前还未见支持向量机方法在三电平逆变器故障诊断中的应用报道。最后，设计了基于TMS320F240 DSP芯片的三电平逆变器实验平台，在该平台上模拟逆变器功率开关器件的各种故障，给出了故障波形，并初步验证了基于神经网络的故障诊断方法的可行性和正确性。