高压断路器作为确保电网安全可靠运行的最重要的电力设备之一，广泛分布于电网中的各个节点，要实现智能电网，首先要实现断路器的智能化，其可靠运行不仅关乎电网本身的安全，更支撑了整个国民经济的发展。对于高压断路器机械特性进行在线监测，可以及时掌握断路器的运行状态信息，这对电网的安全运行意义重大。为此，本文展开了智能高压断路器机械特性在线监测系统的研究，除了监测断路器的行程、超程等机械参量外，还重点研究了新颖的基于互补集合经验模态分解-希尔伯特包络能量法的断路器振动信号特征提取以及基于概率神经网络的断路器故障诊断新方法，具体研究内容如下：　　首先，根据相关标准和实际需求，分析了断路器机械特性在线监测系统的功能要求，阐述了各功能单元的设计方案，并对各个方案的可行性进行论证。　　其次，以TMS320F2812芯片为核心，设计了监测系统DSP主控电路，在此基础上，重点针对行程-时间监测单元以及振动监测单元硬件电路进行设计，包括传感器的选型等工作。系统硬件部分采取了抗干扰处理，保证系统的可靠稳定运行。　　接着，基于硬件电路和功能要求，开展监测系统软件设计与编程。主要包括编写液晶显示程序、数据采集程序、通信程序，机械参数计算程序等，以及为了滤除信号噪声设计了FIR滤波器和平滑滤波器。此外，结合上位机监测软件，开展整机系统联调测试，较好的实现了机械特性在线监测功能。　　然后，借助 MATLAB软件研究了断路器振动信号的互补集合经验模态分解技术（CEEMD），实验验证了互补集合经验模态分解法的信号分析效果，并与希尔伯特包络能量理论相结合，成功提取了断路器振动信号不同频率尺度分量的包络能量，并以此构造了特征向量。　　最后，研究了基于概率神经网络（PNN）的断路器故障诊断技术，采用MATLAB神经网络工具箱建立了PNN神经网络模型，使用训练样本训练神经网络并检验了PNN神经网络的实际诊断效果，同时对影响PNN神经网络的识别率的因素进行分析。　　实验测试表明研制的监测系统实际运行效果良好，可以在线监测断路器的机械参数，并且本文将特征提取技术与故障诊断方法结合使用，能有效地诊断断路器的故障状态。而针对实际应用与推广，还需要进一步的优化研究与实验。