高压直流输电以其单位输送功率线路造价低,调节快速,运行可靠,无功损耗少,联网技术简单赢得了人们的青睐,具有很好的经济效益和安全效益。对高压直流输电换流桥进行精确可靠的故障诊断具有极大的现实意义。本文提出了一种基于混沌粒子群(CPSO)优化神经网络的高压直流输电换流桥故障诊断方法。　　 针对换流桥电路中故障类型较多的特点,对故障类型进行了分类,分为大类和小类两种。首先用频谱分析方法提取出大类故障特征量,小类故障在软件编程中用相位量识别,该方法极大地简化了用于故障诊断的神经网络的结构,而且易于编程实现。在详细分析了换流桥各种故障模式的基础上,利用神经网络的非线性映射和学习推理特性,对所提取的故障特征进行模式识别。针对粒子群的收敛速度慢和早熟问题,提出了一种混沌粒子群算法。以当前整个粒子群迄今为止搜索到的最优位置为基础产生混沌序列,即产生局部最优解的许多邻域点,以此帮助惰性粒子逃离局部极小点,并快速搜寻到最优解。仿真结果表明该模型比基本的粒子群神经网络诊断方法具有速度快,精度高的特点。　　 另外为便于整流电路的在线故障诊断,本文设计了基于DSP的故障诊断系统。