高压断路器作为在各种电力系统中都能广泛起到安全保护功能的设备,对它的故障诊断研究具有重大的意义。近年来,六氟化硫（SF6）高压断路器逐渐成为高压断路器市场的主流选择,因为其灭弧介质SF6气体具有出色的灭弧性能而广受青睐。在电力系统中,高压断路器一旦出现故障,可能对电力系统造成难以估计的后果,因此对于高压断路器的故障研究一直是该领域的重要课题。由于高压断路器的故障大多数为机械故障,本文的研究对象为LW9-72.5k V型SF6高压断路器的操动机构,采用了三种不同故障情况下的振动数据进行分析,通过对振动信号的特征提取与诊断模型的搭建,成功诊断出不同的断路器故障状态。本文的主要研究内容如下:（1）分析了本文的研究背景和意义,通过高压开关市场规模的相关数据,分析了SF6高压断路器的市场前景,同时整理了近年来国内外对于相关课题的研究现状。（2）分析了高压断路器的基本构造及原理,对SF6高压断路器的常见故障类型和研究对象进行简要总结,最后描述了三种不同类型的机械故障数据。（3）对原始的振动信号数据进行预处理,使用了改进的阈值小波去噪方法,去除了干扰信号,利用遗传算法优化的变分模态分解中的参数,将信号分解为多个模态函数,提取相关性较高的模态函数进行振动信号重构,为下一步故障特征提取做准备。（4）利用选定的固有模态函数重构振动信号,从中提取了三种不同类型的故障特征形成断路器状态诊断的复合特征集,三种特征量分别为时域特征、功率谱特征、非线性熵值特征,其中17个时域特征采用互信息算法降维至4个,功率谱线采用了分段周期图法和多窗口法两种方法进行绘制,非线性熵值为精细复合多尺度样本熵和精细复合多尺度散布熵。（5）搭建了基于改进松鼠算法的最小二乘向量机故障诊断模型,其中采用三种不同策略对松鼠算法进行改进,并通过不同模态基准函数验证改进算法的有效性;然后利用改进后的算法优化最小二乘向量机的参数;最后,将复合故障特征集输入该模型进行断路器状态诊断,实验结果表明该模型能准确判断断路器的故障状态。