城市轨道交通在高人口密度的城市发展中占据重要地位,而地铁的正常稳定运行为社会生产生活提供保障。牵引逆变器作为机车的重要组成部分,在运行过程中一直在停止和工作状态间频繁切换,运行工况复杂多样,出现故障在所难免。牵引逆变器故障不仅会打乱地铁正常运行秩序,还会给乘客造成不便。地铁牵引逆变器的故障检测方法研究可以提高解决故障的效率,缩短机车检修时间,保障机车安全运行。本文首先基于地铁机车的拓扑结构和工作原理建立仿真模型,了解故障发生原因和类型后,设置所有的单管和双管故障模式,采集各种模式下的电流波形。由于小波理论很适合在时频分析方面的应用,因此文中选用db3小波分析对采集到的故障信号进行故障特征向量提取。由于支持向量机在分类方面表现出泛化性能好、避免维数灾难、可实现全局最优的优势,文中选择支持向量机对故障特征信号向量分类。本文首先介绍了支持向量机实现分类的理论基础,着重研究为了提高分类精度,如何选择核函数和优化核参数。使用两类不同故障类型的特征向量作为样本数据,基于二分类支持向量机的仿真算例分析了核函数和参数选择与分类结果之间的关系,综合考虑运算时间和分类精度两方面,结果表明径向基核函数和基于交叉验证的网格参数优化法更适合牵引逆变器故障特征向量的分类。由于牵引逆变器故障分类属于多分类范畴,文中研究了一对一组合分类和一对多组合分类算法,这两个算法都是建立在二分类的基础上,算例结果表明一对多组合分类法更适用于本文的研究问题。最后一章内容包括了对全文的总结,研究中有待改进的地方,以及对该课题后续研究工作的展望。