在电力系统中,高压断路器起着控制和保护的作用,保证高压断路器的正常工作是一项极其关键的任务。随着人工智能技术的发展,机器学习和深度学习的算法逐渐被应用于断路器状态监测和故障诊断方面上,使得高压断路器监测和维修策略得以快速发展。本文以弹簧操动机构的高压断路器为研究对象,从高压断路器操动机构振动信号和分合闸线圈电流信号出发,提出了基于卷积神经网络的高压断路器操动机构的故障诊断方法,并由此设计一套高压断路器故障监测与仿真系统。本文的主要工作如下:(1)高压断路器工作机理与故障分析。以弹簧操动机构的高压断路器为研究对象,分析了断路器一次侧与二次侧的工作机理和典型故障机理;分析了高压断路器操动机构振动信号与分合闸线圈信号能够表征高压断路器工作状态的特性,为下面所提的高压断路器故障诊断算法提供理论依据。(2)以振动信号为基础的故障诊断方法。采用小波变换方法将一维振动信号转化为时频图,供于Alex Net卷积神经网络训练并构建故障诊断模型。其亮点在于借用了图像识别的方法,相比与以小波频带能量为特征值构建的RBF(径向基神经网络)故障诊断方法、SVM(支持向量机)故障诊断方法,其识别精确度更加优越。(3)以分合闸线圈电流信号为基础的故障诊断方法。搭建分合闸线圈故障仿真数学模型,并通过模拟实验验证仿真模型的正确性。采用改进集合经验模态自适应与时域求极值的方法提取分合闸线圈电流信号的时间-电流复合特征值,供于2D-CNN卷积神经网络训练并构建故障诊断模型。在2D-CNN的基础上,另外构建1D-CNN卷积神经网络的故障诊断方法。相比2D-CNN故障诊断方法,其亮点在于1D-CNN未改变信号本身物理意义,使得故障识别率更加精确。(4)基于MATLAB-GUI界面设计高压断路器故障检测与仿真系统。基于前置理论以及故障诊断方法,设计了断路器故障检测与仿真系统,包含基于线圈电流的状态检测子系统、基于线圈电流的仿真子系统、基于振动信号的状态检测子系统。