断路器作为电力输配电系统中应用最为普遍的开关电器设备，其运行状态直接影响着电力系统的运行稳定性和供电可靠性。对断路器实施状态检修，可显著提高其运行的可靠性和经济性。而状态监测与故障诊断技术是实现电力设备状态检修的基础性技术。断路器状态监测和故障诊断为实现由计划检修到状态检修的转变创造了条件。　　 断路器的绝大部分事故源于机械方面的原因，故研究其机械故障诊断具有重要的意义。实施断路器机械特性在线监测是状态检修机制发展的一个必然趋势，也是未来智能化断路器研究的重要组成部分。根据体现断路器运行故障的重要参量--振动信号诊断故障较难的现状，重点分析振动信号波形，给出断路器的故障诊断结果，并建立起断路器的正常指纹库和故障指纹库。　　 介绍了目前状态监测和故障诊断研究的基本情况，介绍了各种状态监测和故障诊断的技术，并对其未来的发展方向进行了探讨，研究分析了断路器机械特性方面的各种状态监测方法。利用小波分析技术，模极大值分析法，利用小波分解来检测信号突变点，根据信号出现突变时，小波变换后的系数具有模量极大值，来确定故障发生的时间点，并且将奇异性指数作为故障诊断的特征参数。提取振动信号的幅值和振动事件发生的时间段作为特征参量进行故障诊断。　　 首次提出的基于小波包分解重构理论的“小波包频带能量-经验矢量”方法，对断路器故障信息进行了有效特征提取和识别，该方法能对断路器故障进行正确诊断，是一种有效的方法。提出了将统计过程控制用于断路器趋势诊断，将断路器的运行参数和历史运行参数相比，根据非正常运行的典型判据判断断路器的缺陷发展趋势，起到预防故障发生的作用。提出将EMD分解得到的固有模态函数（IMF）能量熵值作为表征断路器故障类型的新特征向量，提取了正常和故障状态下振动信号的IMF能量熵值特征向量，并以此作为径向基神经网络的输入向量。最后，引入置信度的概念，对径向基神经网络的输出结果进行评价。