为确保断路器的可靠运行,及时了解运行断路器的工作状况,对高压断路器工作状态的在线监测及故障模式识别的研究受到了国内外越来越多的关注,并取得一定成果。但总的来说,较多的集中在对电气或者机械某一个具体参量进行监测,尚缺乏从多参量角度来综合监测断路器的运行工作状况及故障模式识别研究。本文在总结有关高压断路器状态监测现状的基础上,对断路器的行程-时间特性及分合闸振动信号同时进行监测,从多角度分析断路器的机械状态,并结合支持向量机分类器,实现了对高压断路器的故障模式识别。首先针对高压断路器机械特性在线监测的要求,选择了相关适合的位移传感器及加速度传感器,搭建了数据监测平台。在测得传动机构主轴速度的基础上,结合四连杆机构的原理以及断路器传动机构的实际尺寸大小推导出了断路器动触头速度的折算公式。计算出表征断路器速度特性的重要参数:最大分合闸速度,平均分合闸速度,以及刚合与刚分速度。将测量计算所得数据与GKC-98H6型高压开关综合测试仪测得数据进行比较,验证了该监测平台能够满足断路器行程-时间特性的监测。针对利用傅立叶变换对振动信号进行频谱分析的不足,提出了利用经验模态分解的方法来提取振动信号特征量的新思路。结合信息熵理论,提取出振动信号的固有模态函数能量熵特征量。由于振动信号特征量的维数较多,引入了因子分析法对振动信号特征量的维数进行压缩,确立了最佳的振动信号特征量的维数。对比分析单一振动信号特征量的故障模式识别效果与组合速度特性参数与振动信号特征量的故障模式识别效果,确立了组合多特征量的故障模式识别模型,利用支持向量机分类器对断路器的故障模式进行识别。通过具体的实验数据表明,基于组合多特征量的故障模式识别方法是有效的。