我国电气火灾已经成为火灾的首要元凶,并且有愈演愈烈的趋势。由于传统断路器主要对金属性短路和漏电引起的电气火灾起到防范作用,而当绝缘破损、老化导致电弧故障时,因故障电流低于传统断路器的动作阈值,传统断路器不能全方位、有效的防范电气火灾。因此,如何有效防范由电弧故障引起的电气火灾就显得十分重要。论文基于负载抑制性,针对不同工况下,对电弧故障特征参数的提取进行了实验研究,提出可行的电弧故障检测方法,提高了电弧故障检测的准确性,并研发出相应的检测装置。本文依据GB14287.4-2014《电气火灾监测系统第4部分:故障电弧探测器》国家标准,搭建了可以产生不同类型电弧故障的实验平台,按照标准要求对电流和高频耦合信号进行采集,采用多种信号处理方法提取电弧故障特征,实验结果表明:单纯依靠电流波形或高频特征对电弧故障进行识别存在较高的误判和漏判,很难准确实现电弧故障的识别。鉴于单一特征判据检测存在的局限性,本文采用数理统计的方法,挖掘三种能够全面表征电弧故障的特征量,并通过神经网络多信息融合算法实现电弧故障的识别,大大提高了电弧故障检测的准确性,并根据高频、电流波形斜率、电流周期变化特征,给出了三个便于微处理器移植的量化公式。根据上述电弧故障识别算法,研制了电弧故障检测装置样机。硬件设计主要包括信号调理模块、电源模块、微处理器模块以及通讯模块。其中,以对数检波放大器为核心,设计了能有效提取电弧故障高频轮廓特征的高频电路模块;为了便于微处理器对电流信号的处理,设计了单电源精密整流电路。软件部分,针对BP神经网络融合算法相对复杂,难以在很短时间内完成特征值的融合,这里采用简化算法将特征值按照融合时的权重求和作为输出参数。按照自顶而下、模块化、结构化的编写思路,完成电弧故障检测程序的设计。按照国家标准测试了装置样机性能,试验结果表明,本文开发的装置样机,能够有效地检测回路中的电弧性短路故障,并能够避免其它支路的高频串扰。