高压断路器在电网中起着控制和保护的双重作用,是电力系统中非常重要的开关设备之一。高压断路器的故障或事故会导致电网事故或扩大电网事故范围,甚至会引起电力系统网络的崩溃,造成相当大的经济及其它方面的损失。因此,对高压断路器状态检测方法和故障诊断技术进行深入的研究,有利于实现科学的状态检修,最大限度地提高电力系统运行的可靠性。针对神经网络与专家系统各自在故障诊断中的优势,提出将人工神经网络与专家系统融合技术应用于高压断路器故障诊断的研究。分析高压断路器运行状态的监测机理,通过传感器采集状态信号样本数据,进行归一化处理,确定神经网络的输入和输出,构建径向基(Radial Basis Function,RBF)神经网络模型。该网络模型只能对样本中已有故障类型进行诊断,针对这个局限性提出了改进型RBF神经网络算法。仿真结果验证,该方法与传统的BP(Back Propagation,BP)网络相比具有训练速度快、精度高的特点;改进型RBF神经网络可以快速的识别出新故障类型,又有效的解决了专家系统知识获取的瓶颈问题。最后对高压断路器故障诊断模型进行软件设计,本论文采用Visual C++和MATLAB混合编程。利用Visual C++提供的控件设计人机界面,MATLAB进行后台运算处理,这样既拥有良好的人机界面,又提高了软件开发效率。