目前,级联式变频器在高压、大功率应用中已经成为了一项重要的技术,被广泛用于驱动风机、泵类及各种大型机械,已成为当今节电、提高生产过程自动化水平、推动技术进步的主要手段之一。相对于传统的两电平变频器,其主电路功率单元增多了,大大增加了故障的可能性。级联式变频器的功率单元故障在变频器输出频率较低时对输出影响很小不容易被发现。若不能及时的诊断出该故障,将会形成很大的故障隐患。因此,研究准确高效的级联式变频器故障诊断方法具有重要意义。本文主要以级联式变频器的功率器件开路故障为研究的对象。首先对级联式变频器的结构以及工作原理进行了分析,并在MATLAB/Simulink模块下建立了级联式变频器的仿真模型,分别对变频器功率器件在不考虑直流滤波电容老化因素的影响以及考虑其老化因素影响的情况下对其开路故障进行了仿真。通过分析级联式变频器在不同情况下的输出信号,确定其故障特征信号的来源,并运用小波分析的方法对其故障特征进行提取,从而得到作为神经网络输入的故障特征向量。其次,针对松散型小波神经网络在进行级联式变频器故障诊断中所存在的一些不足,例如网络收敛的速度慢,易陷入局部极小值等一些缺点,为了提高级联式变频器的精度,提出了一种粒子群优化神经网络的故障诊断方法,同时针对粒子群算法易早熟且后期迭代精度不高等缺陷,对其惯性权重和学习因子进行了改进,并对其部分粒子进行了变异。通过仿真实验分析的结果表明改进的粒子群神经网络对级联式变频器功率单元故障诊断的准确性和实时性明显提高。最后,基于本文所采用的粒子群优化神经网络的故障诊断方法,利用Lab VIEW设计了一套级联式变频器功率单元故障诊断系统。实验结果表明该系统能够有效的对级联式变频器功率单元进行故障诊断。