随钻核磁测井仪的井下电路始终处在高温恶劣的地下环境,极易发生故障,如不能及时更换电路板,会造成较大的经济损失,这就需要及时发现故障来源并进行电路板更换。同时,考虑到钻铤内部空间狭窄,安装成本较高,维护困难,应尽量减少故障检测传感器的使用。基于上述需求,本文提出了一种基于电源端口EMI信号非侵入式监测的故障检测方法,这一方法将单一检测电路接入电源控制电路的电压输出端口,通过采集并处理端口输出的电压信号,来获取井下各部分电路发生故障时的电磁干扰（EMI）频域信息。再使用基于最小二乘拟合的分类特征提取算法进行频域波峰的数值化特征提取,并运用粒子群参数优化算法和分层优化相结合的支持向量机分类算法进行故障电路的判断,从而能够及时发现故障电路,降低经济损失。在硬件方面,本文设计了一种基于DSP和FPGA的信号检测电路,检测电路包含了直流滤除模块、带通滤波模块和模数转换模块,以及FPGA时序控制模块和DSP运算处理模块。为了对滤波模块的电路特性进行验证,文中借助MULTISIM仿真软件进行了相关仿真,以满足设计需求。在特征提取算法方面,结合井下电路的特点,对比了多种时域特征和频域特征,最终确定了以EMI信号频域特征作为电路故障检测的关键特征。在EMI信号的数值化特征提取过程中,本文先运用均值滤波以及原始EMI信号剔除的方法对EMI频率点测量值进行数据预处理,再基于最小二乘拟合原理,构建服从正态分布的函数曲线,对故障电路产生的EMI信号在频域中的各频率点测量值进行曲线拟合,从而完成数值化特征提取（即波峰曲线的峰值、中心频率、半峰宽和峰面积）。在改进SVM分类算法中,为了提高支持向量机分类准确率,本文将网格搜索法、遗传算法和粒子群算法三种参数优化方法进行了介绍和对比,并根据实验结果总结了几种方法的局限性。为了减小相似电路混淆对故障分类准确率的影响,本文对算法进行了改进,还提出了基于粒子群优化算法的分层优化方法,并给出了这一方法的算法实现过程。最后在基于十折交叉验证的分类训练和测试中得出结论,即改进后的SVM分类算法拥有更高的分类准确率。由于实验条件所限,本文选取了六块与井下电路特征相近的数模混合电路板进行实验,完成了大量的数据采集工作和分类训练测试工作。实验结果表明,改进SVM分类算法在解决单故障以及多故障产生的分类问题时,均拥有较好的分类效果,这为将来的现场实验工作提供了参考。