电路广泛存在于生活、工业、医疗、航空航天、军事等各个领域，成为当今科技发展的重要元素，其体积日趋细小，伴随着工艺技术的提高，被测电路用来测试的节点数减少，增大了诊断的难度，由于实现对非线性模拟电路故障诊断具有一定难度，所以一直是研究热点，目前智能诊断的方法成为了主要的研究方向。针对非线性模拟电路特征提取的困难，本文将利用Volterra级数分析非线性模拟电路，提取被测电路的特征参数，采用基于退火蚁群的特征选择和特征提取方法。本文对Volterra泛函级数的理论进行了研究，利用Volterra核对被测电路进行特征提取和特征分析，给出了两种Volterra核的获取方法；在电路的Volterra核智能诊断方法中，最关键的是特征提取，而现有的方法虽然有一定效果但仍不够理想。因此本文研究了模拟退火算法和蚁群算法的原理，根据各自的优点和局限，引入了退火蚁群混合优化算法，并通过仿真对比实验证明了其合理有效的提高了优化的效率。在以上研究内容的基础上，给出了基于退火蚁群混合算法的Volterra核的特征选择和特征提取方法，通过实验验证了该方法的可行性。理论研究需要实践的检验，本文设计了实验用智能故障诊断系统，完成了硬件与软件的制作，上位机中嵌入了基于退火蚁群算法的Volterra核特征选择和特征提取的优化方法，对经典电路的诊断实验结果证明了该方法的正确性和可行性。