高压断路器在每次运行过程中所产生的机械振动信号包含着大量的能直接反映断路器运行状态的信息。本文利用小波包.熵理论对振动信号进行特征提取；然后利用BP神经网络、支持向量机和欧氏距离方法设计模式分类器对各种状态进行分类；最后以软件的形式开发断路器故障诊断系统。　　 研究了小波包熵理论在故障诊断中的可行性。小波变换通过伸缩和平移等运算功能对信号进行多尺度细化分析,从而可聚焦到信号的任意细节,因而能有效地从信号中提取信息。信息熵是反映信息分布的均匀程度,将小波包和信息熵相结合即小波包熵理论,它能够很好地反映突变信号的变化趋势,从而突出系统信号中短暂的异常信号,达到提早发现潜在故障的目的,为复杂机械非平稳信号分析提供了一种新的方法。　　 研究了利用不同种方法对振动信号进行特征参数的提取。一种是将小波包与熵理论相结合提取振动信号的小波包能量对数熵,然后提取故障状态第5层小波包各节点对应于正常状态对数能量熵的变化量,以此变化量作为特征曲线；另一种是计算同一个信号的奇异值谱熵、功率谱熵、小波状态空间特征熵和小波能谱熵值,并提取同一故障状态下多组测试数据中上述各种谱熵的值；然后将4种谱熵的最小值和最大值构成能够反映故障状态的熵带,最后根据其值所属的熵带范围判断设备的故障类型。　　 研究了设备故障的分类器。利用BP神经网络、支持向量机和欧氏距离方法设计模式分类器对各种状态进行分类,然后对比各种分类器的分类效果。最终得出支持向量机对于小样本的断路器状态分类的效果最为理想。　　 针对本文提出的故障诊断方法和分类方式,研究了将C++Builder和Matlab相结合,以软件的形式开发了一个小型的断路器故障诊断系统,经许多实验验证了该系统设计的准确性和有效性。