变电所运行情况和人们的生活息息相关,而断路器是变电所的重要组成部分。若断路器运行过程中出现故障,极易造成电网事故,这将对国家、人民造成直接的经济损失,因此电力系统对断路器运行的可靠性提出了非常高的要求。目前人们对断路器大多采用定期检修这种盲目性大的制度,很容易造成在没有解决问题的情况下又引入新的故障隐患,降低设备的可靠性。所以我们必须对断路器状态实行在线监测,实时监测断路器的运行状态,提高设备的可靠性；并尽可能在线诊断断路器故障类型,为设备的状态检修提供依据。　　 由于断路器的合闸或分闸的振动信号隐含了断路器动作过程中的很多信息,论文将对断路器的振动信号进行分析；并且,断路器的电磁铁线圈的电流波形能够体现断路器在操动过程中的工作情况,论文也对断路器的电磁铁线圈的电流波形进行了分析。　　 系统以“SWTS-Ⅳ断路器机械特性测试系统”为基础,提取的断路器动特性参数包括分、合闸时间及分、合闸始动时间,这两组数据分别通过分析断路器振动信号的短时能量波形和电磁铁线圈电流波形获得；实现断路器的故障诊断功能的理论支撑是径向基函数(RBF)神经网络模型。通过小波包算法提取断路器振动信号的能量特征值作为RBF神经网络的输入端数据,神经网络在学习成功之后,能够自行诊断断路器的某一次动作类型,若断路器动作不正常,系统能够给出故障类型。　　 在对系统测试结果进行验证后得出,该系统具有良好的稳定性和实用性,易于操作及维护,可以应用在变电所等断路器使用单位。