通常,开关设备所处的环境比较复杂,各种原因都可能造成设备发生故障,影响设备的正常运行。因此,对开关设备的运行状态进行准确的评估,建立合理的评估模型,并做出对应的健康状况预测显得尤为重要。目前对开关设备运行状态的获取主要是通过传感器获取相关的电压电流数据,通过监测平台判断开关设备的运行状态。本文将通过分析断路器运行时所产生的声音建立起能够对断路器运行状态进行准确评估的方法。通过采集断路器正常以及异常运行状态下的声音信号,采用改进谱减法对声音信号进行降噪处理,利用端点检测去除声音信号中静音段,同时对声音信号进行分段处理,提取有效声音信号,并对有效声音信号进行预处理。针对所收集的声音信号本身的特点,分别从时域,频域以及时频域三个方面对其进行分析,提取能反映断路器衰退性能的特征量。为了能对断路器的健康状况进行准确预测,本文研究了灰色预测方法,时间序列预测方法以及神经网络预测方法三种不同的短期数据趋势预测方法来预测断路器短期内的运行数据。其中,为克服滚动预测的预测精度在多次滚动后急剧下降,本文采取滚动预测和多步预测相结合的方式来对断路器短期数据趋势进行预测。通过对三种预测方法进行比较,得出灰色预测方法和时间序列预测方法较适合断路器短期数据趋势预测,而神经网络预测方法在断路器长期数据趋势预测中更占优势。在基于曲线拟合的方式下,研究了多种长期数据趋势预测方法预测断路器长期的运行数据,并对长期数据趋势预测方法的预测结果进行比较,得出在实际应用中应根据实际情况来选取合适的长期数据趋势预测方法来对断路器的运行状态进行预测。基于中压开关设备短期-长期数据趋势预测方法,结合预测值和部分历史数据得出断路器的故障特征和动作次数之间的函数关系曲线,再以健康指数等级的形式对断路器的运行状态进行评估,从而为断路器能够实现状态检修提供指导依据。最后,利用Matlab软件实现对上述所论述的失效预测方法的GUI界面设计,实现人机交互界面,以达到可视化目的,从而更加方便用户的使用。