随着故障预测和健康管理（PHM）技术的不断发展，各种电子设备开始逐步应用含有PHM技术的硬件和软件。该技术的应用使得电子设备的可靠性和安全性能大幅提高，经济效益也显著提升。而电子设备中电源的可靠工作对设备的性能有十分重要的影响，故电力电子电路的安全保障在整个设备中尤其显得重要。因此，电力电子电路的故障预测研究意义十分重大。本文首先分析了电力电子电路故障预测研究的现状、热点难点和发展趋势。研究了最小二乘支持向量机、BP神经网络和遗传算法的原理。然后以电力电子电路中典型的Buck电路为着眼点，分析了电路中元器件退化对整个系统输出的影响；并以马氏距离为故障特征参数构建了控制界限图，用概率的方法来判断电路故障与否，完成对Buck电路的健康状态监控。在此基础上，用最小二乘支持向量机和BP神经网络这两种算法对Buck电路进行故障预测研究，并分别用网格搜索和遗传算法对预测过程进行优化，还估计了电路的剩余寿命。此外，将电路的输出电压用小波分解后，建立控制界限图、获得健康阀值、提取相应的故障特征参数，进行了故障预测研究，并讨论了此种方法的优劣。以上研究工作都在MATLAB中进行了仿真实验，验证了本文所提出的各种方法的可行性和有效性。最后给出了研究工作的总结和后续工作的建议。