主要研究了AdaBoost算法在液压系统故障诊断中的应用。为了解决＂一对一＂算法和＂一对余＂算法的分类速度随着训练样本数或类别数的增多而变慢的问题提出了基于决策树的AdaBoost算法。利用CART算法构造决策树建立AdaBoost分类器并根据样本数据的分布情况使得在决策树中每一个节点的最可分类别尽可能分开。将该算法应用于某型装甲车辆液压系统故障诊断结果表明：该算法的性能优于其他两个算法具有更高的通用性。