模拟电路是现代电子设备的重要组成部分。为保证模拟电路的可靠性和可维护性,模拟电路故障诊断技术的研究受到广泛重视。随着模拟电路的规模不断增大、集成度不断提高,传统的故障诊断方法在诊断的准确性、实时性上已逐渐不能满足实际工程需求。针对模拟电路故障诊断中样本数量有限、数据不平衡等特点,本文将支持向量机方法引入模拟电路故障诊断领域,通过故障仿真获取故障样本,对支持向量机多分类器进行训练,并用于实际电路的故障诊断。本文的研究目的是选择合适的支持向量机分类模型和多分类器构造方法,结合模拟电路故障诊断的特点进行适当改进,构建基于支持向量机的故障诊断器,应用于实际电路的故障诊断。本文的主要研究包括:分析了传统的故障诊断方法、早期的智能诊断方法存在的不足,阐述了引入支持向量机进行模拟电路故障诊断的优势。阐述了支持向量机的理论背景、基本原理与算法描述;分类问题中支持向量机的算法模型、评价方法及多分类器的构造方法;设计仿真实验,探讨了支持向量分类机的模型参数、核函数参数对其分类性能的影响。针对基本的支持向量机多分类器对样本不平衡问题、不可分问题表现出的性能缺陷,融合了加权惩罚因子、K近邻法二次分类等改进策略,提出了一种综合改进的多分类器构造方法,以提高少数类样本的分类准确度,并一定程度上消除不可分区域,从整体上改善多分类效果。通过在基准电路上的诊断实验,表明基于改进多分类器的故障诊断器在少数类故障样本的诊断精度有了较大提高。本文的工作对于模拟电路故障诊断技术的研究具有一定的理论及实际意义。