电力生产中,高压断路器机械故障时有发生,不但造成经济损失,而且影响系统的稳定运行。高压断路器振动信号蕴含丰富的机械状态信息且利于非侵入式测量,利用振动信号对断路器机械状态进行监测和诊断,可提前发现和预防故障,是判断机械状态的有效手段。国内外学者对此进行了大量研究,但一直未有重大突破,至今仍是一个尚待深入研究的前沿课题,其主要难点在于特征的有效提取和故障的正确诊断。为此,本文通过实验获得了高压断路器振动数据,对振动信号的时频分析方法及降噪方法进行了研究,分析了断路器振动信号的时频分布特性,进一步提出了基于时频特性的特征量提取方法,最后采用支持向量机方法对特征量进行识别、验证了该特征量用于故障诊断的有效性。论文的主要工作和成果如下：1、构建了基于虚拟仪器技术的高压断路器振动实验系统,并对12kV真空断路器和126kV气体绝缘组合电器进行了相关实验,获得了大量振动信号样本。2、通过仿真分析比较了小波包分解、聚合经验模态分解等方法的时频分辨性能,选定了小波包分解与希尔伯特变换结合的振动信号时频特性分析方案,可精确获得瞬时非平稳信号的瞬时幅值和瞬时频率；同时,提出了一种基于噪声先验知识、将小波包软阈值与硬阈值相结合的降噪方法,能有效去除噪声且一定程度保留信号的突变信息。3、考察了高压断路器不同位置及不同类型断路器的振动信号时频分布,并讨论了动作部件与振动信号时间区域的关系,提出了一种依据振动信号边际谱和瞬时能量密度的时频子区域划分方法,作为量化时频特性的基础,可兼顾不同断路器振动信号的频带特性和整体能量特点。4、基于对时频平面的划分,利用小波包分解与希尔伯特变换方法获取了各时频子区域的幅值包络,由此构造振动信号的信息熵向量,将高维时频特性量化为低维特征向量,构成了一种小波包时频熵方法；为解决小波包时频熵方法计算量大的问题,引入零相位数字滤波器替代其小波包分解过程,构成了零相位滤波时频熵方法：同时,提出了一种改善零相位数字滤波器过渡过程的分段零相位数字滤波方法。提取断路器正常状态、电磁铁卡涩、软连接松动、绝缘拉杆松动、销轴松脱等模式振动信号的两种时频熵,对比分析表明相同状态的时频熵具有较好的重复性、不同状态的时频熵则存在明显区别。5、将两种时频熵分别作为样本,引入支持向量机进行故障诊断。针对可获得多种故障模式样本的情况,对多种支持向量机多分类器进行实验,确定了合适的支持向量机类型、核函数、分类策略等,采用零相位滤波时频熵时获得了84%以上的正确识别率,验证了该方案的可行性；针对故障模式样本难以获得的情况,尝试将单类支持向量机引入高压断路器的振动诊断,采用零相位滤波时频熵也可获得80%以上的正确识别率,为振动诊断工作的初期开展和数据积累提供了一种可行方案。