在断路器可靠性方面，国际大电网会议(CIGRE)在世界范围作过两次调查，国家电科院对高压开关事故也作过相关统计分析，结果表明[2]，机械特性不良占断路器故障总数的80%以上，其中操动机构问题是主要原因。

目前为了保证电网的安全运行，相关电力部门对断路器主要采用定期检修的检修方式，这种方式需要电力设备断电进行预防性的性能试验，并根据相关检测和试验结果对设备进行修复。高压断路器检修主要是在停电时对断路器的绝缘状况和操动机构的机械特性进行试验[3]，但是由于工作人员对断路器操动机构的特性了解有限和专业水平的差异问题，经常会出现检修不到位的情况，因此可能即使断路器在预防性维修周期内，也常发生事故。相关报告的统计数据表明，由于检修失误导致的高压断路器故障大概占断路器故障的10%以上，断路器定期大修要把其完全拆卸组装，维修的周期和费用都很大，维修费用甚至可以达到断路器价格的一半，并且这种检修方式由于其繁琐性，经常会出现未能考虑到的问题，由此导致了很多事故的发生[4]。

状态监测推动了断路器状态检修的发展。因盲目的计划检修，每年全国各变电站都会承受不同程度的设备损坏和停电损失，由此造成的经济损失更是不计其数。随着状态监测技术的发展，高压断路器正在由计划检修向状态检修过渡，维修的衡量标准也不再是动作次数和运行年限，而是以设备的实际运行状态为更精确的标准[5]。随着信号处理与机器学习理论的发展，通过采集机械振动信号，提取其特征进行状态诊断已经在相关领域取得一定的进展。而在断路器状态诊断系统的设计上，目前也出现了利用断路器的振动信号进行状态诊断的相关研究，用状态检修取代传统的计划检修成为未来的发展方向。文献综述

1。2  基于振动信号的断路器状态诊断研究现状

1。3  论文的研究内容与结构安排

本论文通过对高压真空断路器合闸时产生的机械振动信号进行研究，基于小波包变换与特征熵的机械故障诊断方法利用现代信号处理技术,对常见的、典型的断路器机械故障进行了研究,以求得故障诊断的有效方法。

本论文的主要研究内容和章节安排如下:

第一章：介绍了选题背景意义，简要论述了国内外对于本课题的研究进展与不足，并给出了本文所做的研究工作。

第二章：具体分析高压真空断路器的原理和合分闸振动信号的特性,简单介绍了传感器的选择和振动信号的采集，介绍了小波包分解的原理。

第三章：对机械故障振动信号进行小波包分解,展示了各种状态下分解的结果和频带特征，然后计算分解后各频带对应的小波包能量，经归一化后提取特征向量。

第四章：使用神经网络作为分类器对故障进行分类，分别以NNF神经网络拟合工具和BP神经网络训练产生神经网络模型，以断路器故障诊断为例验证诊断的准确率，证实神经网络诊断的可行性。

第五章：总结本文的工作，指出本文研究的不足之处，并提出进一步改进的方向。

2  断路器振动信号及分析方法

2。1  高压断路器简介

高压断路器是电力系统中的重要装置，其负责电路的开断与关合，以实现对电力系统的控制与保护。如果在运行过程中出现故障，极易造成严重事故，带来巨大经济损失，威胁电力系统安全运行。近年来，随着我国现代化建设突飞猛进，对电力的需求也日益增长，因此对电网供电的经济性、可靠性和稳定性都提出了更高的要求。作为电力系统中动作最频繁的设备之一，保证断路器的安全可靠运行至关重要[15]。来:自[优E尔L论W文W网www.youerw.com +QQ752018766-