基金项目：山东省自然科学基金项目（Y2001G01）；山东省优秀中青年科学家基金目（02BS020）张承慧（1963-）男，博士，教授，博士生导师，主要研究方向为智能控制、电力电子技术、电机与控制。
特性偏离了正常范围，是使得系统表现出所不期望的任何异常现象。变频器和其他设备一样，其故障可按下述原则分类。
按故障发生的时间特性划分①突发性故障，往往是突然发生并使设备丧失某种功能，②间歇性故障，表现为功能时有时无；③老化性故障，常发于设备运行寿命的后期。
按故障发生的性质划分①永久性故障，是指由于某种原因所引起的故障现象一直存在下去，如电力电子器件损坏引起的主电路通断功能丧失，保险丝熔断造成的缺相等；②偶发性故障，是指此种故障现象有时发生有时消失，且完全是随机的，相当于上述的间歇性故障，例如元件虚焊、接插件接触不良引起电路异常，外界干扰信号引起控制逻辑混乱等。
按故障发生的部位划分①电源故障，指变频器供电电源存在的故障；②内部故障，指变频器本身的故障，又分（I）直流环节故障，包括整流器和中间直流环节的故障，（n）逆变器故障，（m）控制系统故障；③负载故障，即电动机故障。
2国内外研究现状目前计算机硬件和软件的可靠性已达到了较高水平，而主电路部分元器件的失效是导致系统失效的主要原因。据统计，80%的控制系统失效都是源于元器件的故障，所以研究变频器中主电路部分的故障诊断问题，无疑具有重要的理论和应用价值。
目前的变频器故障报警系统都是采用快速检测电路，将变频器和电动机的工作状态反馈至微处理器，并由微处理器按照事先确定的算法处理后，判断变频器本身和系统是否异常，并给出相应的控制或报警信号。这种报警方式需要的时间较长，而且不能实现精确报警。目前故障诊断理论在变频器中的应用还很不成熟，这一问题已引起了国内外学者的高度重视，并在理论上作了一些探讨。由于主电路是变频器最易发生故障的部位，其运行状态直接关系到整个变频器的安全性与可靠性，而且这部分的结构相对简单，因此目前对变频器故障诊断的研究主要集中在主电路部分。
2.1基于信号处理的变频器故障诊断流电路的故障。通过对关键点信号波形进行傅里叶分析，将时域信息变换到频域分析，根据幅值特征诊断出是哪一类故障，再利用相位特征诊断到故障类中的具体故障元。提出基于沃尔什分析法的三相全控整流电路诊断方法。通过对电路中包含故障信息的关键点波形作沃尔什变换，将时域中波形的一个周期变换到频率域中，利用频率域中的故障特征，实现故障的检测与定位。基于信号处理的。
故障诊断方法，无需对象的数学模型，灵敏度高，诊断速度快，实现简单，可在线实时故障诊断，但最大的难点是故障特征判别参数的设定，没有一种通用的、切实可行的设定方法，通常需要根据专家经验整理归纳来设定。
2.2基于故障树的变频器故障诊断是一个基于被诊断对象结构、功能特征的行为模型，是一种定性的因果模型，以系统最不希望事件为顶事件，以可能导致顶事件发生的其他事件为中间事件和底事件，并用逻辑门表示事件之间联系的一种倒树状结构。它反映了特征向量与故障向量（故障原因）之间的全部逻辑关系。
基于故障树变频器故障诊断方法的步骤①选择合理的顶事件，一般以待诊断对象故障为顶事件；②建造正确合理的故障树，根据对变频器进行的故障分析，建立如所示的故障树③选择合理的搜寻方，进行故障搜寻与诊断。
变频器故障变频器的故障诊断树故障树法对故障源的搜寻，直观简单，灵活性大，通用性好，它是以正确故障树结构为基础的，因此建造正确合理的故障树是诊断的核心与关键。
2.3基于神经网络的变频器故障诊断由于神经网络控制器不需要对象的数学模型，所以将神经网络引人故障预测与诊断是一种颇具潜力的方法，特别是在故障类型和故障信号之间的逻辑关系难以描述的场合。而变频装置是一个随机性、模糊性很强的系统，用传统的方法难以实现准确地、快速地故障检测、定位，神经网络的出现为解决这一问题提供了有效途径。介绍了一种基于人工神经网络的感应电机的电压型变频驱动系统实时故障诊断系统。提出了基于神经网络与频谱分析和基于神经网络与波形直接分析两种故障诊断方法。将一种改进的联想记忆神经网络应用于变频器的故障诊断。
神经网络故障诊断虽然有它独特的优越性，但也存在一些困难。主要表现在三方面：一是训练样本获取困难；二是忽视了领域专家的经验知识；三是网络权值形式表达方式难以理解。
