电力机车是一个结构非常复杂的系统，其绝大部分时间是处于连续工作状态，这就对机车系统运行的可靠性提出了相当高的要求。对机车进行实时检测和故障诊断是防止机车故障，保障安全运行，提高运输效率的一个重要的技术手段。本文首先阐明了对机车设备进行故障诊断的目的和意义，接着介绍了机车故障诊断的发展现状和数据挖掘技术在该领域的应用现状。分析了将智能故障诊断方法应用于机车设备的紧迫性和优越性。引入模式识别与机器学习领域中的前沿工具一支持向量机，并提出了将基于支持向量机的数据挖掘技术应用于电力机车主变流器故障诊断的全新方法。论文选择机车牵引变流器为研究对象，介绍了韶山8型电力机车主变流器的电路结构和工作原理，通过对变流器工作机理进行分析，提出以输出电压为判断依据的故障诊断方法。借助仿真软件Matlab中的Simulink工具箱，构造了不同故障类型时电路的运行模式，仿真得到相应的电压输出波形，并用小波工具箱对输出波形进行信号处理(小波分析)，提取故障特征，构造特征向量，得到蕴涵电路故障信息的大量数据，然后采用支持向量机方法进行故障模式识别。利用SVM工具箱构建基于高斯径向基核函数的多故障分类器，并用大量的仿真数据进行了训练和测试，得到了理想的分类效果。