断路器作为电力系统中数量最多的电力设备,对于电网的保护和电力系统的安全运转有着重要的作用。为了维持电网的稳定运行,断路器的在线监测与故障诊断就显得尤为重要。我国电力系统行业在对断路器等电力设备的维护过程中,大多数采用的是提前预防的有计划的检修方式,或者是故障后再进行维修,这不具有经济性。如若对断路器设备采用在线监测,并针对重要参数进行连续性的监测,提前报警,这样做有助于设备更加良好的运行,并且针对各类重要参数的变化来判断故障类型,形成的数据分析可以作为状态判断的依据,进而扩大设备的维修保养周期和减少保养费用、延长使用寿命,实现经济型维护,这对于提高电力系统的可靠性是非常重要的。为了准确快速的从断路器的振动信号中获取故障信息,提出了一种基于改进限制带宽经验模态分解的故障特征提取方法,并与多核相关向量机相结合实现断路器的故障诊断。针对限制带宽经验模特分解在选取最优带宽频率上的不足,该方法先建立优化函数,确定最优限制带宽信号频率,再在经验模态分解的过程中引入该信号频率。本文提出的方法通过选取限制带宽经验模态分解的最优带宽频率,从而提高了频率分辨能力,能够对从断路器中提取的正常与故障时的振动信号进行有效分析。再通过量子粒子群算法确定多核相关向量机最适合的核系数,通过多核相关向量机对断路器故障进行诊断,测试准确率能达到较好效果,具有良好的泛化能力,可以用于诊断断路器的机械故障。