系统的安全稳定运行与高压断路器的可靠性密切相关，合闸阶段的行程曲线可以反映出高压断路器的弹簧机构机械状态，是实现状态识别的重要判据，因此基于行程数据的弹簧机构状态辨识具有重要的研究意义。文中对合闸弹簧预压缩量减少10 mm或15 mm、分闸弹簧预压缩量减少10 mm或15 mm、油缓冲器抽油10 mL或30 m L、传动构件卡阻档位1或档位2以及正常状态下9种合闸特性曲线进行了采集，然后基于深度森林（deep forest

DF）算法构建辨识模型，最后将识别结果与主成分—支持向量机、随机森林算法进行对比。结果表明，深度森林和随机森林的识别效果一致，且明显优于主成分—支持向量机。此外，深度森林的优势还体现在其避免了随机森林的调参过程，具有更好的识别效率。