塑壳断路器是低压配电网中的重要设备之一,负责控制、保护配用电线路和设备,其运行状态直接关系到低压配电网的安全性、稳定性。因此,有必要对塑壳断路器的运行状态进行监测与识别以提高电网的供电可靠性。现有的断路器状态识别工作大多是基于单信号开展的,而断路器动作过程中会产生多种外部信号,这就意味着基于单信息的状态识别方法存在一定的片面性。为了获得比基于单信息状态识别更全面、准确的断路器状态信息,本文开展了基于多信息融合的塑壳断路器状态识别工作。首先,本文以某型号塑壳断路器作为研究对象,选择断路器动作产生的声音、振动信号作为监测对象,设计并搭建塑壳断路器声振信号采集系统用于采集断路器正常、主拉簧断裂、固定松动三种状态下的声音、振动信号。其次,研究基于经验模态分解法和信息熵理论的断路器声振信号特征提取方法。根据断路器声振信号具有非平稳性、冲击性的特点,利用经验模态分解法将断路器声振信号分解为一系列不同频段的本征模态分量（Intrinsic Mode Function,IMF）,然后利用希尔伯特变换法求取主要IMF的包络线并沿时间轴等分为10段,结合信息熵理论提取断路器声振信号的IMF包络能量熵作为描述断路器不同状态的特征向量。最后,提出基于声振信息融合的塑壳断路器状态识别方法。将断路器不同状态的声振信号特征向量输入到LIBSVM（Library for Support Vector Machines）中进行初步分类识别,并获得依据其内部投票规则形成的基本概率分配。为了降低证据融合过程中可能出现冲突的风险并凸显各传感器信号的识别优势,将声、振信号的LIBSVM测试样本总分类正确率作为固定权重与其基本概率分配结合构成加权概率分配。通过DS证据理论将断路器声振信号的加权概率分配进行决策级融合,得到最终的断路器状态识别结果。在塑壳断路器正常、主拉簧断裂、固定松动三种状态的识别工作中,本文提出的基于声振信息融合的塑壳断路器状态识别方法比基于单信息的状态识别方法正确率高。