辅助逆变器作为城市轨道列车供电系统的关键部件，其工作状态的好坏直接关系到列车运行的安全稳定和乘客的舒适度，进而关系到轨道交通线路运营的效率。因此，对列车辅助逆变器进行故障诊断具有重要意义。故障诊断方法的好与不好直接影响到诊断的速度和结果的准确性。因此，选择高效的诊断方法显得尤为必要。本文在总结前人对故障诊断的研究基础上，结合本次863项目课题，将小波分析技术与改进型神经网络相结合的故障诊断方法应用到列车辅助逆变器的故障诊断上。本文设计了城市轨道列车辅助逆变器故障诊断实验系统，利用该系统对辅助逆变器正常工作、电压波动、脉冲暂态、频率故障四种工作状态进行了模拟和数据采集。在对采集到的信号进行小波降噪后，利用小波变换提取特征向量，并将其输入到改进型神经网络进行故障识别。为了验证神经网络的改进成果，还对故障进行了传统ＢＰ神经网络的诊断，并进行了对比，证明了改进型神经网络更有效地对辅助逆变器故障进行诊断。