电力电子电路作为不同形式电能相互转换的桥梁,在现今的各种生活场景及生产过程中经常被用到。当发生电力电子电路故障时如果不能及时解决,容易影响系统的稳定性,甚至会造成重大的财产损失及人员伤亡。由于电力电子电路故障具有较高的非线性、并发性和不确定性,当故障发生后很难及时判断故障种类及定位故障位置,因此,对电力电子电路故障诊断的研究非常必要。论文工作以三相整流电路为研究对象,以电力电子电路最频繁出现的晶闸管等电子开关元器件的开路故障为故障类型,利用MATLAB软件中的Simulink模块对其进行建模。分别选取傅里叶分析法以及小波分析法作为频域和时频域特征提取分析方法,对相同条件下的三相整流电路进行特征值提取分析,表明小波分析法更适用于电力电子电路的故障诊断和定位研究。在小波分析特征提取的基础上,利用BP神经网络和PNN神经网络对电力电子电路进行故障诊断。验证了神经网络算法的适用性,并且PNN神经网络算法具有更高的故障诊断准确率。针对PNN神经网络算法中平滑因子的选取,分别选择粒子群优化算法和鲸鱼群优化算法来优化PNN神经网络。仿真结果表明,优化后的PNN神经网络提高了电力电子电路故障的准确度,并且WOA-PNN算法比PSO-PNN算法的故障诊断准确度更高。论文最后在WOA-PNN算法的基础上,定义了自适应搜索周围机制和螺旋位置,并增加跳跃行为,从而提出改进的WOA-PNN算法,该算法与WOA-PNN算法相比,有效提高了电力电子电路的故障诊断准确度,其故障诊断准确度达到97%。