矿用逆变器功率器件故障预测与健康管理（PHM）技术通过对监测数据分析处理，能够提取信号特征、定位功率器件开路故障位置、预测功率器件寿命，提高矿用逆变器安全性和可靠性。详细介绍了PHM技术中信号特征提取方法（主要包括坐标变换法、频谱分析法、小波分析法、经验模态分解法）、功率器件开路故障诊断方法（主要包括状态估计法、神经网络法、支持向量机法）、功率器件寿命预测方法（主要包括解析模型法、物理模型法、数据驱动法）的原理及研究现状。分别从实现难度、时效、抗扰性、准确度和数据需求量5个方面对上述各方法进行了比较。针对目前信号特征提取方法单一、矿用逆变器多功率器件开路故障、基于数据驱动法的功率器件寿命预测未能考虑逆变器变工况条件等问题，提出了矿用逆变器功率器件PHM技术的研究方向，包括多方法融合的信号特征提取、基于智能算法的多功率器件开路故障诊断、容错控制和健康管理、变工况下功率器件寿命预测。

国家自然科学基金资助项目（61703329）；天地（常州）自动化股份有限公司研发项目（2021GY1003）；天地科技股份有限公司科技创新创业资金专项资助项目（2020-2-TD-CXY003）；陕西省重点研发计划项目（2019GY-097）；

李红岩,杨朝旭,荣相,史晗,王越,刘宝,王磊.矿用逆变器功率器件故障预测与健康管理技术现状及展望[J].工矿自动化,2022,48(05):15-20.DOI:10.13272/j.issn.1671-251x.2022020024.