该文以近距离检测架空高压线路的工作状态信号为研究对象,运用小波分析方法研究此类信号的小波降噪和奇异性检测,并通过小波分析提取故障信号的特征值,构建特征矢量.并建立了基于小波神经网络的故障诊断模型,实现对线路故障状态的识别.在理论上,该文探索了小波的理论起源及其工程背景,分析论证了小波分析的频谱结构,并介绍了二进小波变换与Mallat快速小波算法,论述了小波降噪与奇异性检测的基本原理与方法.同时,详细叙述了BP人工神经网络的模型结构、训练方法及其优缺点,提出了BP网络设计的基本思路,并给出了几种BP网络训练的优化算法.该文在实验室环境下完成了大量的试验研究,采集了输电导线在断钢芯、断铝丝的多种故障状态下的信号数据.构建了BP网络模型并以试验数据为样本训练了神经网络故障诊断模型.以试验数据检验了该诊断模型的正确性.同时比较了未引进小波分析的故障诊断结果,比较结果证实了引入小波分析进行故障诊断有着更高的准确率与可靠性.最后,编制了一套故障诊断软件,通过该软件可以方便地对信号进行观察、分析与故障诊断.