在中压配电网中，断路器处于核心地位，其主要功能是用于灭弧与开断线路负荷，起保护的作用。断路器在电网运行中的电气动作较多，必须确保断路器运行的安全性与可靠性。断路器故障中80%的故障来源于机械机构，大多数是操作机构的故障，因此，研究断路器的机械特性对电网安全运行具有重要意义。目前，常见的断路器机械特性监测参数有：分合闸线圈电流、动触头行程一时间曲线、振动信号等，但存在传感器不易安装，数据处理分析算法需要优化等问题。随着人工智能技术的发展，神经网络、模糊算法等新方法被引入断路器机械故障诊断的领域，但其故障诊断速度、精度还有待进一步优化。本文在总结现阶段的断路器机械特性在线监测与诊断现状的基础上，提出将“磁感应”传感器应用于断路器机械特性监测领域，通过小波算法分析和提取具体的机械特性参量，并结合遗传算法优化的BP神经网络对断路器的机械故障进行诊断。
　　本文首先介绍了断路器机械特性在线监测与诊断的现状及原理，并根据断路器工作原理以及监测原理，提出了将“磁感应”传感器应用于断路器机械特性监测领域。利用“磁感应”传感器监测断路器主轴在分合闸过程中的主轴旋转角度，绘制主轴旋转角度一时间曲线，并综合断路器四杆机构动作原理以及分合闸时操作机构的图纸，将主轴旋转角度一时间曲线转化为动触头行程一时间曲线进行后续处理和分析；利用霍尔电流传感器(型号为ACS712ELCTR-05B-T)监测断路器分合闸线圈电流。其次，通过小波算法对传感器获取的断路器原始数据进行滤波平滑处理，并抓取断路器的行程一时间曲线及分合闸线圈电流曲线的特征点，计算特征参数：行程、超程、刚分速度、刚合速度以及分合闸线圈电流的三个电流特征点和五个时间特征点；模拟断路器基本机械故障，分析其机械特性参量的变化规律。最后，将提取到的断路器机械特性参量经遗传算法优化的BP神经网络对断路器机械特性故障进行诊断，对比基于遗传算法优化的BP神经网络和BP神经网络对断路器机械特性故障诊断的结果，证明基于遗传算法优化的BP神经网络收敛速度更快，诊断精度更高。通过Matlab模拟和仿真验证方案的正确性。