随着当代模拟集成电路的迅速发展,电路复杂度不断地提高,对模拟电路运行的可靠性提出了更高的要求,模拟电路故障诊断研究受到越来越多的重视。本文使用小波理论和核主元分析方法提取故障特征,通过选择合适的复合核函数,构建粒子群和混沌粒子群算法优化的支持向量机模型,利用该模型对提取的电路故障特征进行诊断分析。本文主要工作如下：首先,对所选电路进行蒙特卡洛分析得到故障数据,根据小波技术提取故障特征；并使用核主元特征提取方法对小波提取的故障特征进行处理,使故障样本降维,得到二主元故障特征。其次,选择libsvm作为故障诊断工具,构建基于libsvm的模拟电路故障诊断模型,对实例电路进行故障诊断分析,构建单核核函数,双核核函数和三核核函数,通过分类性能的对比,得出了最适合实例电路的复合核函数。最后,提出了两种对复合核函数支持向量机中参数的优化方法,即利用粒子群算法和混沌粒子群算法对复合核函数支持向量机进行参数优化(惩罚参数,核参数和复合核函数参数),将优化后的参数代入支持向量机,构建基于粒子群算法和混沌粒子群算法优化复合核函数libsvm的模拟电路故障诊断模型,通过该模型分别对两种实例电路进行故障诊断分析,其分类结果表明了在选择相同优化算法的情况下(文中为混沌粒子群),选取合适的复合核函数能够得到具有更好分类性能的支持向量机；也表明了混沌粒子群算法优化复合核函数支持向量机的分类性能优于小波与提升小波支持向量机及PSO支持向量机。