电力电缆是用来输送和分配电能的,是电力网的重要组成部分。一旦电力电缆发生故障必将引起局部甚至全部地区的大面积停电,势必给国民经济和人民生活带来巨大的影响,因此,保证电力电缆的安全运行是保证供电网络可靠运行的先决条件。所以,基于TMS320F2812的数据采集模块与电力电缆故障识别研究具有重要意义。本论文以DSP和计算机为硬件平台,以小波分析和人工神经网络为理论基础,设计了基于TMS320F2812的数据采集模块,对故障识别方法进行了深入研究,实现了电力电缆典型故障的识别。论文所做的主要工作有:为了获得电力电缆发生故障时的故障电压或故障电流信号,论文首先设计并完成了基于TMS320F2812的数据采集传输模块。数据采集传输模块的设计包括DSP最小系统、DSP外围扩展电路和外设通信接口电路的原理图与PCB图设计,并详细论述了各个部分的工作原理。然后,基于CCS2.21环境,完成了数据采集传输模块的主程序、DSP初始化程序、中断定时处理程序、A/D中断响应程序及UART传输程序的设计,仔细分析了各程序的工作步骤,给出了各个部分的流程图。最后,对数据采集传输模块的硬件和软件功能进行了测试。实验证明了数据采集传输模块的设计正确性。针对电力电缆故障识别问题,论文首先研究了人工神经网络和小波分析的相关理论知识,建立了两个典型的电缆故障仿真模型。紧接着,构建了反馈型Elman人工神经网络模型,利用Matlab语言编写了故障识别程序,成功实现了电缆的断线和短路故障的识别。最后,利用小波包分解---能量法提取了电缆故障特征信号,构建了松散型小波神经网络结构,对电力电缆的单相短路接地故障、两相短路故障、三相短路接地故障进行了正确的故障识别和分类。通过两个实例表明,仿真模型有效,两个分类器性能良好。