航空安全问题一直以来深受人们重视,其中电弧故障为最常见的航空事故诱因。飞机内部空间狭小且封闭,散热性差。在飞机起飞和降落的过程中,气流使得飞机飞行状态改变,这一过程伴随着不断的振动,加之航空线束相比于一般电缆更细,绝缘层更薄,因此在振动环境中发生摩擦、弯曲、折断以及腐蚀而造成损害的可能性大大增强,并由此产生电弧故障,进而可能酿成更严重的事故。为了减少电弧故障的产生,对航空交流电弧故障进行有效的识别工作变得十分必要。本文依据美标SAE AS5692、UL1699以及国标GB/T31143-2014完成了三种航空交流串联电弧故障试验:点接触试验、接线端连接松动-振动试验和串联碳化路径试验,以及三种航空交流并联电弧故障试验:并联电缆切割试验、串话干扰试验和湿弧轨迹试验,并且采集正常以及故障的电流信号,用以进行进一步的分析。将提取到的电流信号首先进行电流幅值归一化处理以便消除幅值造成的影响。将归一化幅值进行加窗快速傅里叶变换,再将所得谐波幅值进行归一化处理,计算前二十次谐波(8000Hz)的奇次谐波和、偶次谐波和以及间谐波均值。结果表明,这三种指标对于电弧故障的判别均取得了良好的效果,并且由于经过了两次归一化运算,已经消除了电流等级、谐波幅值所造成的影响,但是仍存在少量的识别误差。将电流信号进行相空间重构,根据每个电流周期形成的相平面图可以得出相应的二值矩阵,划分矩阵计算出计盒维数和信息维数。结果发现无法设置阈值进行电弧故障识别。因此将原有算法进行改良,设置动态窗,计算窗内分形维数峰峰值和方差与标准值的欧氏距离。结果表明,分形维数欧氏距离对于电弧故障具有很好的识别效果。为了进一步提高电弧故障识别率以及排除单一指标造成的误判,本文将奇次谐波和、偶次谐波和、间谐波均值、计盒维数欧氏距离和信息维数欧氏距离五种指标计算结果的数据作为遗传算法优化BP神经网络的输入,将电路状态作为输出,进行网络计算。结果表明,该方法的识别效率可达97.22%,为电弧故障识别工作和AFCI的研制提供了依据。