高压隔离开关作为牵引供电系统中使用最多的高压开关设备,其常年暴露在户外极端恶劣的环境中,受到尘雾、风、雨、雪等环境影响,极其容易出现机构腐蚀、弹簧失效、机构疲惫等机构故障问题,从而在分合闸过程中出现卡涩、不到位、弹簧故障等问题,这严重威胁到牵引供电系统的安全稳定运行。为此已有很多用于诊断机构故障的方法被提出,但仍存在诊断精度不足、智能化程度不高等缺点。因此,本文针对牵引供电系统高压隔离开关机构故障诊断问题展开研究,提出了一种基于定子电流特征的高压隔离开关机构故障诊断方法,以电机定子电流特征作为诊断算法的输入,以此判断故障类型,所提方法为高压开关设备的故障诊断提供了新思路。文中从电机故障信号、采样滤波设计、特征量提取、诊断算法和系统搭建等方面展开说明,主要内容有:1)分析研究了由机构故障所引起的电机定子电流特征。依据推导所得的隔离开关操作力矩和电机电流的关系,得出操作力矩与电机定子电流的函数关系。再分析电机定子电流信号特征,建立了出现机构故障时由力矩变化引起的电流波动与基波和频率为（1?2s）f1的边频分量的函数关系。由此为利用定子电流的基波和45Hz～55Hz边频带分量作为诊断故障的特征量提供理论依据。2)研究了电机定子电流特征量采样、提取方法。针对定子电流包含大量的谐波电流,设计了低通Butterworth滤波器+数字FIR带通滤波器的采样滤波组合,可降低采样干扰的同时滤除了电流所包含大量的谐波分量,提高了诊断分析的鲁棒性;采用快速傅里叶变换提取电流的45-55Hz幅频特性和均方根值法计算得到定子电流信号的基波电流有效值-时间t关系,并且在文中比较分析了不同故障类型下两种电流特征的区别。3)分析比较了电流特征量与不同算法相融合后对故障的诊断精度。以归一化处理后的定子电流基波和45Hz～55Hz边频带分量作为算法的输入量,对比K-means聚类分析法、SVM分类模型和BP神经网络三种算法对故障诊断的精度,结果表明BP神经网络诊断正确率最高,为97.9%,高于K-means聚类分析92.5%的精度和SVM故障分类模型95.8%的精度,体现出BP神经网络对大样本数据处理预测分析能力更强。而四种故障中,对机构卡涩的诊断精度较低,这是由于轻微的卡涩并不能很明显的在定子电流特征中显现出。4)设计了基于Lab VIEW和DSP的隔离开关机构故障诊断装置。文中从硬件部分和上位机软件部分两大方面出发,详细介绍了DSP板的采样滤波单元、供电单元等外围电路设计和DSP板软件开发环境配置等部分;并利用Lab VIEW设计了上位机软件,其中故障诊断算法采用精度更高的BP神经网络,利用上位机实现了对电流信号、特征量显示和对机构故障的警报。