针对传统三相电压源逆变器开路故障诊断方法存在准确率低和鲁棒性差的问题，提出一种用于故障诊断的改进二维卷积神经网络优化方法.该方法首先引入一种新的数据预处理方式，通过马尔可夫变迁场(MTF)将原始时域电压信号数据转换成二维灰度图像，有效保留特征的时空关系；其次，提出采用并行注意力机制对卷积神经网络ResNet18特征提取层提取的特征分别进行通道和空间特征筛选，并完成有效特征融合；最后，融合的特征经ResNet18全连接层和输出层得到故障分类结果.实验结果表明，所提出的改进故障诊断方法能将诊断精度提升至99.80%;在不同噪声条件下均能保持90%以上的分类准确性，验证该方法可有效提高逆变器开路故障诊断性能和鲁棒性.