电力电子技术广泛的应用于国防军事和工业生产,电力电子设备一旦发生故障,可能造成装置或系统的损坏甚至威胁生命财产安全。因此,对电力电子设备进行故障检测和诊断是非常有意义的。由于电力电子器件的过载能力小,损坏速度快,且故障信息仅存在于发生故障后到停电之前的数十毫秒以内,所以需要动态监视,在线诊断。本文以三相逆变电源为例,进行电力电子装置的故障诊断,主要完成了以下工作:首先针对电力电子装置的常见故障进行分类,采用MATLAB搭建三相逆变电源的PID控制电路模型,并对各种常见的故障状态进行仿真,得到故障波形,作为故障诊断的样本库。接着分别采用具有强大分类能力的BP神经网络算法和对小样本数据集及非线性问题有独特优势的一对一支持向量机方法对电力电子装置进行故障诊断。主要完成了故障特征参数的提取和学习样本的设计。采用MATLAB分别对神经网络和支持向量机进行训练,并对训练结果进行了分析。训练结果表明,神经网络和支持向量机这两种方法应用于故障诊断,均具有良好的识别能力。最后,采用TMS320F2812 DSP进行三相逆变电路故障诊断系统的设计,重点进行了供电电源电路、短路和断路时的故障信号采集电路、显示与驱动电路的设计,接着介绍了PCB板的布局、布线和抗干扰设计。最后采用神经网络方法,进行了故障诊断软件的设计,并进行实验验证,得到了故障诊断的结果。