逆变器将直流电（电池，蓄电池）转换为交流电（通常为220V，50Hz正弦波）。它由逆变桥，控制逻辑和滤波电路组成。它广泛用于空调，家庭影院，电动砂轮，电动工具，缝纫机，DVD，VCD，计算机，电视，洗衣机，抽油烟机，冰箱，录像机，按摩器，风扇，照明设备等。开关装置是逆变器的核心部件，故障特征参数的提取和分类是故障诊断和预测的重要技术基础，对于提高逆变器的可靠性具有重要意义。合肥工业大学电气与自动化工程学院的研究人员，可再生能源并网技术国家与地方联合工程实验室的研究员李兵，崔洁冰，何以刚，石鹿强和刘晓辉在《科学》杂志上发表了一篇文章。第10期“电工技术杂志”在2020年。以有源中性点钳位（ANPC）三电平逆变器的IGBT开路故障诊断为例。提出了一种基于能谱熵和小波神经网络的故障诊断方法。以中，下桥臂电压为测量信号，通过小波包能谱熵提取桥臂电压信号的特征，并通过核主成分分析对特征向量进行优化。利用自适应矩估计小波神经网络（A-WNN）建立故障字典。实验结果表明，A-WNN具有故障特征识别速度快，精度高的优点，适用于ANPC三电平逆变器的实时故障诊断。与传统的两电平逆变器相比，三电平逆变器具有耐压高，电压电流上升率低的优点，目前已被广泛使用。为了克服二极管钳位（Neutral-Point Clamped，NPC）三电平逆变器的功率器件损耗不平衡的缺点，T.Bruckner教授等人提出了解决方案。拟议的有源NPC（ANPC）三电源平面逆变器的拓扑结构如图1所示。该结构由于具有大功率，大容量和平衡设备损耗的特性而被广泛使用。但是相比之下，三电平逆变器中的IGBT数量增加了，电路结构也更加复杂。 IGBT的任何故障都可能导致逆变器无法正常工作，甚至导致二次故障，从而造成巨大的经济损失。因此，有必要及时准确地定位逆变器的故障位置。电力电子功率设备的硬故障包括开路和短路故障。由于它们的突然性和破坏性特征，它们已经成为当前的研究热点。有针对短路故障的成熟检测方案。因此，合肥工业大学和可再生能源并网技术国家与地方联合工程实验室的研究人员对IGBT功率器件的开路故障进行了研究。研究人员认为，当前的开路故障诊断方法主要分为两种：基于数据的和基于模型的。前者主要使用设备电压和电流来获取设备故障信息。然而，当前的研究方法高度依赖于信号，易受外部干扰信号的影响，并且精度较低。另一种是将信号与人工神经网络，支持向量机，极限学习机（ELM）结合在一起的智能诊断算法。但是，根据文献分析，发现当前的智能诊断算法计算复杂，硬件量高。要求，并且很难实现在线监控和参数选择。另外，近年来也广泛提出了基于模型的方法。尽管此方法不需要额外的硬件并且对负载变化不敏感，但是该方法需要精确地对电路建模，并且如果对电路进行了稍微修改，则需要对其进行重新建模。逆变器故障诊断方法需要更好的抗干扰能力和更高的诊断精度。为此，研究人员提出了一种基于能谱熵和小波神经网络的故障诊断方法。首先，将信息熵理论整合到小波包分解中，形成小波包能量谱，可以减少外界信号干扰，有效提取故障信号特征。其次，自适应矩估计小波神经网络（Adam-Wavelet神经网络，A-WNN）被用于充分利用小波基函数的可扩展性和平移性，并实现自动