小型断路器作为终端配电电器,是人身财产安全的重要保障和配电系统的关键组成环节,其良好的运行状态是保障用户用电安全的必要前提。因此,对小型断路器的故障诊断研究具有非常重要的研究意义和价值。小型断路器的故障大多是机械故障,其在分合闸时的振动信号包含着其状态特征信息,不同的故障的振动信号会有一定的差别,对小型断路器振动信号进行分析处理,可以提取出断路器的状态信息。本文主要针对小型断路器机械状态进行分析研究,实现对断路器的故障诊断,利用现代信息处理技术对采集得到的小型断路器振动信号进行分析处理,提取有效的机械状态特征量作为故障类别的判断依据。分析经验模态分解方法,将信号的局部特征按照频率分解为若干本征模函数分量,对比验证经验模态分解效果比小波分解效果更好,研究采用该方法对小型断路器振动信号进行处理。采用G_P算法研究分形维数中的关联维数的求取方法,分析G_P算法中延迟时间、嵌入维数的选择方法,研究将经验模态分解与分形理论相结合的方法提取小型断路器振动信号的特征值。利用加速度传感器采集实验模拟下的小型断路器三相不同期故障振动信号,采用神经网络将经验模态分解后的各个分量的分形维数作为故障特征向量进行神经网络训练并测试。在对比BP神经网络的基础上,引入概率神经网络作为小型断路器故障的诊断网络,得到贝叶斯最优结果,分类准确。最后,采集小型断路器不同故障下的振动信号按照本文研究的方法进行分解后提取分形维数,采用概率神经网络进行故障诊断分析。实验表明,该方法能够达到预期的目标,进一步研究可应用于小型断路器的状态监测,具有很好的应用前景。