高压断路器在线监测和机械故障诊断作为电力设备在线监测与故障诊断领域的重要组成部分,逐渐成为国内外的研究热点。但从目前的研究现状来看,主要的研究工作还是集中于监测单一电气或机械信号的故障诊断系统。本文在结合近期高压断路器在线监测和机械故障诊断研究现状的基础上,参考高压断路器状态检修实用化的迫切要求以及发展趋势,以及单一传感器故障诊断系统存在的缺陷,提出一种基于多传感器信息融合技术的高压断路器机械故障诊断方法。对断路器分合闸过程中的振动信号及位移-行程特性进行检测,结合数据库中储存的典型故障信号特征向量,获得断路器多方面的状态信息,最后利用加权证据理论,完成系统的故障模式识别。首先介绍了数据融合的基本原理,并对常见的数据融合方法进行了分类分析,指出了单一传感器系统在故障诊断各个环节的不确定性来源,从而论证了多传感器数据融合应用到断路器在线监测和机械故障诊断系统的必要性。在研究小波分析理论的基础上,对小波降噪中小波基函数的选择、分解层次的选择、阂值大小以及阂值函数等四个影响因素进行了分析,提出了一种评价小波基函数在小波降噪中优劣的评价方法,依据信噪比公式以及LBQ相关性检验方法,提出了一种小波阂值降噪算法中最优分解层数的自适应算法。采用振动传感器采集分合闸过程中振动信号的同时,利用拉绳位移传感器采集动触头行程-时间特性,提取出故障特征向量。在传统的D-S证据理论基础上,引入了证据可信度的概念,生成加权证据,从而来解决数据融合中可能出现的数据冲突、组合爆炸现象。搭建高压断路器在线监测和机械故障诊断系统的软硬件平台,通过对六氟化硫断路器现场的模拟故障实验,获得的实测数据部分作为故障知识库,其余数据作为实验测试样本,实验结果验证了本文提出的方法。