万能式断路器在低压配电系统中起着控制和保护的作用,它的机械寿命是影响其寿命的主要因素,通过开展断路器机械寿命预测的研究,对其状态进行在线监测,不仅能及时掌握其健康状态,同时也可以降低由断路器机械故障引起的事故率。大量试验证明,断路器动作过程中产生的振动信号包含了重要的状态信息,可以作为其机械状态的信息载体。基于此,本文研究万能式断路器寿命周期内的退化过程,利用振动信号对断路器的机械寿命进行在线预测评估。首先,对断路器的机械特性监测常规参数进行分析,面向在线寿命预测,提出利用断路器合、分闸时的振动信号实现断路器状态在线监测;在此基础上,通过构建断路器机械寿命试验系统,实现了对断路器动作过程的控制,以及测量信号的采集与存储,为断路器机械寿命预测研究提供了平台基础。其次,为了从高噪声背景下,准确提取动作过程中的振动信号,提出基于变分模态分解和奇异值分解的联合降噪方法。对联合降噪方法中关键参数进行研究,分别利用中心频率法确定变分模态分解中的模态个数,以及奇异值差分谱确定奇异值分解中的有效秩阶数。通过仿真信号对降噪效果分析可得,联合降噪后的信号SNR得到大幅提升,验证了降噪方法的有效性。然后,在对断路器的机械特性参数进行分析的基础上,提出基于振动检测在线提取断路器时间特性参数的方法。对振动信号进行联合降噪后,利用基于短时能量+双门限法从振动信号中在线提取分闸过程中的机构动作时间参数;并将该机构动作时间作为反映断路器机械状态退化的主要特征参数以及机械寿命的失效判据。最后,针对断路器机械寿命预测模型,提出基于粒子群优化的支持向量回归预测方法。在此,为了更加全面地反映断路器运行状态,进一步对所提取动作时间内的振动信号进行分析,获取关键时域指标作为动作时间参数的有效补充,从而构成支持向量回归寿命预测模型的多参量输入。断路器剩余机械寿命预测实验表明,相较于动作时间单参量输入,多参量预测具有更小的预测误差,同时与其他方法对比预测效果最佳。