针对无刷直流电机驱动系统功率开关管故障诊断存在由于特征提取效果差而导致识别准确率低等问题,提出一种基于二维卷积神经网络 2D-CNN(two-dimensional convolution neural network)自适应特征提取的故障检测方法,避免人工提取特征的复杂性及不确定性。以相电流作为故障敏感信号进行 FFT预处理,并将一维数据转换为矩阵形式作为 2D-CNN的输入数据,然后利用 Adam优化的 softmax分类器对 2D-CNN提取的故障特征进行分类,实现逆变器不同故障模式的状态识别。实验结果表明,2D-CNN模型在不同工况、不同故障模式下的故障诊断准确率均优于多层感知机 MLP(multi-layer perceptron)和堆栈去噪自动编码器 SDAE(stacked denoising auto encoder)方法。实验结果验证了所提方法的有效性和准确性,可为功率变换系统健康状态评估奠定理论基础。