高压断路器作为电力系统中最重要的电力设备之一,其可靠动作对于电网的安全稳定运行具有重要的意义,因此有必要采取措施对其状态进行实时监测。本课题通过现场调研和文献回顾,确定了断路器在实际运行中发生率相对较高的几种典型故障,主要为分合闸线圈控制回路故障、操动机构故障和传动机构故障。由于客观条件限制,本文针对第一类故障和后两类故障分别于两台不同型号的断路器设备上进行了模拟试验。针对断路器分合闸线圈控制回路故障,本课题通过故障模拟试验获取了足够的分合闸线圈电流信号和动触头位移信号数据,选取平滑结合中值法对信号进行降噪处理,并从中提取有效的电流、时间、位移、速度多维特征值作为分析对象。首先利用多维特征值建立IF-THEN分类模型,并对已知样本进行分类测试;然后利用特征值训练并测试支持向量机,支持向量机选取基于径向核函数的C-SVM模型为目标模型;最后,通过对比发现,IF-THEN分类模型对于故障机理类似的故障区分能力较差,而支持向量机应用于分合闸控制回路故障诊断具有很高的分类准确率。操动机构为断路器动作提供动力,传动机构将动力传送至动作元件,两个机构的典型结构分别为储能弹簧和凸轮,前者在长时间压缩或频繁伸缩过程中易出现疲劳现象,后者在断路器开断次数累积达到一定数量后容易出现磨损迹象。本课题针对这两类故障分别进行了大量模拟试验并获取了相当数量的振动信号,包括空间内三个各自垂直方向的振动信号,通过对振动信号进行小波包分解、重构以获取信号在各个频带的小波包能量,并作为分析、研究对象。首先,利用所有频带小波包能量形成的样本训练和测试支持向量机;然后,通过K-S检验法对各频带小波包能量进行筛选,实现样本降维,并以新样本训练和测试支持向量机;最后,通过对比发现,经K-S检验法处理后的小波包能量样本具有更好的可分度,能够更为准确地反映断路器这两类典型的机械故障。