课题来源于重庆市交通委员会所立项目“三峡库区运输船舶节能实用技术研究”,研发船用柴油机油耗仪表。对于现代电子系统,模拟电路日益复杂,出现故障的可能性也随之增大,对模拟电路的故障诊断也越加困难。若船用仪表的模拟电路出现故障,会影响船用仪表测量的准确性和运行的稳定性,而导致仪表故障。为了增加船用柴油机油耗仪表测量的准确性和运行的稳定性,在研发船用柴油机油耗仪表的同时,开展模拟电路故障诊断方法的研究,在不影响油耗仪表原有功能的基础上,增加模拟电路故障诊断功能,使油耗仪表具有故障自诊断的功能。用无穷维AdaBoost集成学习算法进行模拟电路故障诊断。进行模式识别时,分类精度较高的强分类器不容易找到,分类精度比随机猜测略好的弱分类器很容易找到,AdaBoost集成学习算法集成多个弱分类器而成为一个强分类器,从而避免了直接去寻找强分类器,为了进一步增加AdaBoost集成学习算法的分类精度,将AdaBoost集成学习算法的弱分类器数量增加到无穷多个,用无穷维AdaBoost集成学习算法进行模拟电路故障诊断。本文采用支持向量机实现无穷维AdaBoost集成学习算法,从如下几个方面分析AdaBoost集成学习算法和支持向量机之间的联系：(1)用Lp范数理论,从样本分类超平面最大边界这一角度,分析AdaBoost集成学习算法的优化目标,得出AdaBoost集成学习算法和支持向量机的优化目标完全相同的结论。(2)分析AdaBoost集成学习算法和支持向量机分类器分类器的相同点,通过设定条件,使支持向量机的分类器满足AdaBoost集成学习算法对其强分类器的要求。(3)分析支持向量机的映射φ(x)与AdaBoost集成学习算法弱分类器h(x)之间的相同点,通过设定条件,使支持向量机的映射分量φ(x)与AdaBoost集成学习算法弱分类器h(x)建立联系。因为以上所设定AdaBoost集成学习算法和支持向量机之间的联系,因此可以用支持向量机实现无穷维AdaBoost集成学习算法。实现无穷维AdaBoost集成学习算法的关键是建立一个新的支持向量机核函数,使此核函数集成无穷多个AdaBoost集成学习算法的弱分类器。用Matlab 6.5编写无穷维AdaBoost集成学习算法程序,用无穷维AdaBoost学习方法进行模拟电路故障诊断。故障诊断结果表明：无穷维AdaBoost集成学习算法分类精度优于有限维AdaBoost集成学习算法,使用无穷维AdaBoost集成学习算法提高了AdaBoost集成学习算法的分类精度。在研发船用柴油机油耗仪表的同时,开展模拟电路故障诊断方法研究,在撰写本文的同时,完成了船用柴油机油耗仪表的研发工作,进行了流量的模拟实验和实船测试。在设计船用柴油机油耗仪表的过程中,分析船用仪表的稳定性、可靠性因素,并采用模拟电路诊断故障的方法,来增加船用柴油机油耗仪表的稳定性、准确性,在不影响船用柴油机油耗仪表功能的基础上,增加故障自诊断的功能。