帕孜来·马合木提，付 玲，林吉凯

（新疆大学 电气工程学院，新疆 乌鲁木齐830047）

0 引言

多电平逆变器相对传统的两电平逆变器具有开关损耗小、输出谐波含量低等优点，但是随着开关数量的成倍增加，也大大降低了多电平逆变器的可靠性。任何一个开关管发生故障后，将导致整个逆变器不能正常工作，从而导致一些经济损失甚至还可能引发重大安全事故。因此，对多电平逆变器进行故障诊断研究，特别是应用自动故障诊断技术对提高多电平逆变器的可靠性具有很大的经济价值与现实意义[1]。

目前国内外学者针对多电平逆变器的故障诊断都有较为深入的研究。有学者提出运用变换器交流侧PWM电压UPWM和电流的极性来判断功率开关管的故障[2]，该方法的诊断速度快，可靠性也高，但其诊断结果无法精确定位具体发生故障的功率管。此外，一些学者对于逆变器故障诊断，提出了基于模型的故障诊断方法[3-4]，引入键合图等建模方法对其进行建模，其方法提高了诊断正确率，但其分析过程比较复杂。

近年来，随着神经网络理论的引入，为故障诊断问题提供了一种新途径，神经网络的非线性特性特别适合用于逆变器这样的混杂系统。传统的BP神经网络需要预先给定期望输出值以及大量故障学习样本。因此，笔者根据自组织特征映射（SOM）神经网络的学习特点将其应用于多电平逆变器的故障诊断中，利用小波包变换对三电平逆变器的上、中、下桥臂电压进行变换，提取故障能量系数，组成其相应的故障特征矢量作为SOM神经网络的输入，根据获胜神经元的位置来判断其逆变器的故障模式。……