随着现代科学技术的进步和生产应用的不断发展,无刷直流电机在工业、商业、航空、军事等领域中发挥着越来越重要的作用。无刷直流电机故障不仅会损坏电机本身,而且会影响整个系统的正常工作,甚至危及人身安全,造成巨大损失。通过对常见故障的诊断和分析,可以及早发现故障并预防故障的进一步恶化,减少停产损失,并为实现故障检修创造条件。电机发生故障时,故障信号中往往含有大量的时变、短时冲击、突发性质的成分,传统的信号分析方法如Fourier变换,分析效果不佳,不能有效提取电机的故障特征。小波变换作为一种时频分析方法,它在时频域都具有表征信号局部特征的能力,能通过时频窗的灵活变换来突出信号的不同频率成分。考虑到小波变换处理非平稳信号的优越性,本论文主要研究如何将小波变换应用于电机逆变器故障诊断过程,以逆变器电路故障时输出电流波形作为故障信息,利用小波分析的方法提取故障特征,形成特征向量,作为神经网络的输入训练样本,从而实现故障元件的定位。研究内容和结论如下:(1)针对逆变器功率管短路故障,通过主回路故障情况分析,在分析功率管短路时考虑了尽可能多的故障类型,作为小波故障特征提取的故障信息。故障分析表明:可分类的故障类型主要包括两大类,一类是一个桥臂上的功率管故障,一类是两个桥臂上的功率管同时故障。(2)获得故障信息以后,进行小波多尺度分析,得到经过五层分解的细节信号小波系数值的能量,然后进行归一化处理形成特征向量,作为神经网络的输入。(3)利用故障特征向量对建立好的BP神经网络分类器进行训练,采集新的故障数据验证网络并实现故障元件的定位。实验结果表明,诊断效果良好。