针对传统电力电子电路在软故障诊断领域的特征区分度低、诊断效率低等一系列问题，提出一种变分模态分解(VMD)结合改进的黑翅鸢搜索算法(IBKA)优化极限学习机(ELM)的故障诊断方法。首先，利用VMD技术将采集到的故障信号进行分解重构，并得到故障诊断的特征向量。其次，用改进后的黑翅鸢搜索算法对ELM的参数进行优化，得到IBKA-ELM分类模型；IBKA采用Sine映射初始化种群，随机选择3个不同的个体进行差分变异操作，更新领导者位置，在领导者位置更新处引入自适应惯性权重因子，可有效提高算法的寻优能力和收敛速度。最后，通过150 W的Boost电路对本文方法进行实验验证。实验结果显示，VMD结合IBKA-ELM的故障诊断方法在实际诊断中的精度均达到99%以上。