逆变技术随着自动控制理论、电力电子技术、电子计算机，微电子等学科的发展已经进入了一个新的时代，其应用也相应地进入了一个新的高潮。大到航空工业，小到磁盘技术，无不有逆变技术的身影。逆变器作为逆变技术中不可或缺的部分，它的重要性不言而喻，因此逆变器的安全稳定特别是故障检测诊断方面，成为行内专家的研究热点。统计研究表明：逆变器驱动的系统中功率开关元件的故障占整个驱动系统故障的82.5％，是驱动系统中最易发生故障的薄弱环节。逆变器的故障检测诊断在近年来也就逐渐成为新兴的研究课题，但对逆变器故障研究需要结合它所驱动的系统，而逆变器驱动系统故障诊断是一个很难的问题，所以目前系统、有效的方法还有限。　　 本文以常见的逆变器驱动电机系统为研究对象，经过调查研究发现：基于BP神经网络的故障诊断方法是人工神经网络模型中在故障诊断方面应用最为广泛的一种，这种方法利用了BP网络成熟的发展模型和良好逼近以及模式分类识别能力，取得了一定的成果。但是，这些方法基本上都把故障逆变器输出电压（相电压或线电压）的特征向量（如：谐波分析结果、谱残差、小波分解得到的频带等）作为BP网络的输入，也就存在一个问题：有些逆变器的不同故障状态有类似的输出相电压特征，所以在故障检测过程中可能出现误诊。　　 本文从整个电机驱动系统的相电流角度出发，在MATLAB/SIMULINK环境下建立了逆变器-电机驱动系统模型和基于开关函数理论的逆变器开关器件开路、短路故障状态模型，并分析提取了对应故障状态逆变器输出相电流的特征值（直流和基波分量）。分析发现，相电流特征较好的避免了输出电压特征存在的问题，更好的反应出逆变器的故障特征。最后，把所得逆变器故障状态相电流特征数据用于训练和检测已构建的BP神经网络，所得结果证实了相电流能够更好的反应出逆变器的运行状态，更适合逆变器故障检测的依据。