断路器是电力系统中的重要装置，其负责电路的开断与关合，以实现对电力系统的控制与保护。作为变电站中动作最频繁的设备，保证断路器的安全可靠运行至关重要。断路器内部在合闸过程中会产生一系列冲击事件，从而产生振动信号，该信号可以反映断路器的机械状态。通过提取断路器振动信号中的特征，经过分类算法，可以实现对断路器状态的诊断。本文主要研究了断路器振动信号的提取，时频分析方法，特征提取方法与分类结果对比，诊断系统的软硬件实现等内容。　　本研究采集了断路器在正常状态下以及5种异常状态下合闸过程中产生的振动信号，对其进行广义S变换时频分析，利用其结果，从直观的角度设计了基于区域能量比的特征提取方法;同时针对传统方法忽视时域特性的缺陷，又提出了基于时频信息熵的特征提取方法。两种方法分别在不含噪声和叠加噪声的条件下提取特征向量，利用SVM支持向量机进行训练与多分类测试，准确率均超过80％，优于传统基于小波包和EMD经验模态分解的特征提取方法。　　考虑到实际应用的环境与条件，大部分情况下难以采集到各种状态下的振动样本，本研究设计了仅依据正常状态样本进行训练的单分类状态诊断方案，利用SVDD支持向量域描述对正常状态的样本进行描述，并针对性的设计了基于广义S变换的单分类特征提取方法，在不含噪声和叠加噪声的条件下进行测试，准确率均超过80％。　　基于上述单分类、多分类器的研究成果，本研究设计了断路器状态诊断综合流程，并提出了一种可行的软硬件实施方案。　　文章最后对全文工作进行了总结，并指出本研究的若干不足之处与今后的改进方向。