断路器的正常工作状态是电网安全、稳定运行的基础,若断路器工作在故障状态,将对电网的正常运行产生严重影响。断路器的机械结构在动作过程中会产生包含有丰富信息的振动信号,而且机械故障是断路器的主要故障类型,因此,可通过对振动信号进行分析以达到机械故障诊断的目的。为了对断路器的振动信号进行测量,搭建了振动信号检测系统实验平台,通过人为设置故障的方法分别设置了铁芯卡涩故障、缓冲器无效超程故障和绝缘拉杆松动故障,在正常状态和三种不同的故障状态下,对断路器在动作过程中产生的振动信号进行了测量。为了将振动信号从被噪声淹没的环境中准确提取出来,提出了基于稀疏分解的信号去噪方法,利用快速傅里叶变换-匹配追踪算法对信号进行去噪处理,并利用断路器4种状态下的振动信号对比分析快速傅里叶变换-匹配追踪算法和小波去噪方法的去噪性能,证明了快速傅里叶变换-匹配追踪算法在断路器振动信号的去噪方面具有一定的优越性。不同种类的特征提取方法对应于不同类型的故障特征,若仅利用单一种类的方法进行特征提取,会使提取到的特征缺乏特异性,容易忽略掉某些故障特征,使得诊断出的故障种类不完全。为增加特征的特异性,提出一种新的时频-数据序列特征提取方法,利用奇异值分解与总体最小二乘—旋转不变技术的信号参数估计相结合的时频法提取具有明确物理意义的时频特征,利用变分模态分解与多重分形相结合的数据序列法提取无明确物理意义的数据序列特征,并将时频特征和数据序列特征进行组合以得到新的时频-数据序列特征,并利用断路器4种状态下的振动信号对比分析时频特征提取方法、数据序列特征提取方法和时频-数据序列特征提取方法的性能,证明了时频-数据序列特征提取方法在处理断路器故障诊断方面具有一定的优越性。利用断路器4种状态下的振动信号对比分析支持向量机算法和随机森林算法的分类性能。综合考虑故障识别率和操作难易度等方面的因素,随机森林算法在断路器故障诊断方面的分类性能更好,适用性更好。