由于工业现场的供电系统具有丰富的谐波含量,以及广泛应用三相异步电机、变频器、变压器等非线性负载而带来的噪声干扰,导致交流故障电弧的检测困难。因此在串联故障电弧实验的基础上,提取故障电弧特征,提出一种基于软筛分停止准则的改进EMD及混合粒子群蝴蝶算法的串联型故障电弧识别算法,用以准确检测工业现场线路中的串联型电弧故障。首先结合故障电弧所在电路和周围环境对其相关特性进行分析,搭建故障电弧仿真系统。获取到不同类型负载的电压、电流波形,并对故障电流、电压信号进行分析,为后续检测提供相关理论基础。而后根据UL1699标准搭建故障电弧实验平台。提取故障电弧的故障特征。在分析故障电弧电流的时域特性后,利用软筛分停止准则的经验模态分解,用以消除模态混叠问题,改善经验模态分解性能。对获取到的故障电流信号进行分解,获得IMF分量,通过计算IMF的多尺度样本熵与能量熵,结合时域特征建立特征向量。建立基于HPSOBOA-BP神经网络的串联故障电弧检测模型,针对BP神经网络存在的问题,引入混合粒子群蝴蝶优化算法,优化BP神经网络的初始权值与阈值。将提取出的故障电弧特征向量作为数据样本对所建立的模型进行训练,训练结束后对测试样本进行测试,通过与其他优化算法所优化的BP神经网络进行对比,验证了混合粒子群蝴蝶优化算法的优越性。测试结果表明,本文所提出的故障电弧识别算法的识别率更高,可以有效检测发生在三相异步电机和变频器线路中的串联故障电弧。建立基于MATLAB GUI的串联型故障电弧识别系统,实现故障电弧的自动分析与故障识别。该论文有图43幅,表10个,参考文献64篇。