本论文是山西省科技重大专项“基于物联网的煤矿重大生产装备状态监测及全寿命周期管理系统开发”(项目编号:20131101029)的重要研究内容之一,是针对煤矿井下移动变电站高压侧配电装置故障率高、故障监测与诊断系统不完善等问题提出的。高压真空配电装置担负着煤矿井下电能分配的主要任务,是矿井供电系统的核心设备之一,它能否可靠工作将直接影响着煤矿企业的供电安全和生产安全。同时,随着矿井供电系统电压等级和负荷容量的不断攀升,高压真空配电装置的使用量也得到了空前提高。但是,由于煤矿井下环境恶劣、负荷变动大、且缺乏状态监测和故障模式识别技术的应用,矿用高压真空配电装置在运行期间因自身故障导致的煤矿安全事故频频发生。因此,为了准确诊断出高压真空配电装置的当前状态,并在高压真空配电装置故障前给用户提出可信的设备运行指导性意见和建议,最大限度地确保矿井供电安全和生产安全,研究矿用高压真空配电装置故障模式识别技术具有极其重要的现实意义。针对目前矿用高压真空配电装置存在的问题,本文就其故障模式识别技术进行了系统研究,主要研究内容如下:通过现场调研与查阅大量文献资料,梳理了矿用高压真空配电装置的组成结构与常见故障,统计了高压开关中各故障所占比例,分析总结了各种故障的可能形成原因及故障监测信息的特性状态,建立了系统故障模式识别总体策略。依据故障机理,重点研究了各故障监测对象的状态特性,包括分闸与合闸线圈的电流状态特性、储能电容电压状态特性、断路器动作状态特性、振动状态特性、真空灭弧室真空度状态特性。确立了控制回路电气信号、机械状态信号、灭弧室真空度的状态信息获取方法。搭建了故障数据监测以及故障模式识别实验平台,包括监测用传感器的选型,以及上位机与下位机的配置。上位机以LABVIEW为平台,编写了故障特征提取程序与数据分类管理程序,通过对上、下位机整体调试,编写了下位机采集与通讯程序,实现了数据采集、传输准确可靠,能够有效提取故障信息。研究了支持向量机(SVM)的基本理论,提出了基于支持向量机增量学习的故障模式识别方法。结合工业实际,总结了故障特征数据样本建立方法,提出了故障分类识别实现方案。进行了控制回路电气故障和机械故障的模拟实验,包括供电电压异常、回路电阻增加以及辅助开关失效、主轴卡涩与分闸弹簧螺丝松动故障等。通过训练支持向量机分类识别模型与增量学习模型,建立了电气故障模式识别模型与机械故障模式识别模型。验证表明,各模型的识别准确率都在90%以上,达到了故障模式识别的目的。提出了灭弧室真空度劣化故障模拟实验方案,研究了真空度劣化时屏蔽罩电位的变化规律与灭弧室内局部放电变化规律,对灭弧室真空度识别具有重要的理论意义和实用价值。