随着电力电子技术的发展,逆变器广泛应用于电动汽车、航空航天以及家用电器等领域。然而,受环境复杂、频繁的开关切换、高电压高电流冲击等影响,逆变器在实际运行时故障率较高。一旦逆变器发生故障,就会导致系统性能下降、无法运转、甚至造成严重的安全事故,因此对逆变器故障进行快速准确诊断具有重要意义。本文针对逆变器中的电力电子器件开路故障诊断进行研究,主要内容如下:（1）首先分析两电平逆变器的拓扑结构及工作原理,建立两电平逆变器的仿真模型,并进行故障模拟和故障类型分析,将电力电子器件开路故障分为:单管故障、交叉管故障、同行管故障和同列管故障四大类,最后在MATLAB/Simulink仿真平台上获取IGBT故障时电流数据,为后续基于数据驱动的逆变器开路故障诊断方法研究提供基础。（2）针对传统Park变换诊断方法易受噪声、负载扰动影响的问题,本文提出了Park-FFT-K-means的故障诊断方法。首先获取逆变器正常、故障情况下电流数据,然后通过Park变换获取矢量图形与开关管角度的傅里叶图形,提取有效的故障特征值,再利用K-means聚类算法完成故障特征分类,最后在MATLAB/Simulink平台上验证文中所提Park-FFT-K-means的故障诊断方法,实验结果表明,该方法的诊断准确率高、诊断速度快。（3）针对传统快速傅里叶变换只能表征频域信息,无法表征信号的局部信息的问题,本文提出了小波-SVM的故障诊断方法。首先获取逆变器正常、故障情况下电流数据,然后对其进行Park降维处理,接着采用db3小波变换得到各频带能量值,并进行归一化处理得到故障特征向量,再利用灰狼优化算法（GWO）-SVM分类方法完成故障特征分类,最后在MATLAB/Simulink平台中验证该方法的可行性,实验结果表明,相较于Park-FFT-K-means的故障诊断方法,基于小波-SVM的故障诊断方法诊断准确率更高。（4）最后,搭建含逆变器的电机驱动系统实物验证平台,完成该平台的总体设计、硬件设计以及软件设计,并获取逆变器正常、故障情况下的电流数据,在此基础上采用文中所提两种方法进行故障特征提取以及故障特征分类,实验结果验证了所提两种诊断方法的可行性和有效性。