随着电子工业的迅速发展,模拟电路故障诊断技术的重要性越来越明显,它对于电子设备或系统的正常运行和可靠性设计均具有重要的意义。传统的模拟电路故障诊断的方法也有很多种,但是它们一般都是用于诊断开路、短路这种硬故障,难以发现在电路中的各个元器件存在类似器件缺陷或缓慢失效之类的软故障,而基于神经网络的模拟电路故障诊断方法可以很好地解决这些问题。由于神经网络具有处理复杂多模式及进行联想、推测和记忆功能,因而特别适合故障诊断系统。将神经网络用于模拟电路故障诊断是发展趋势。本文首先综述了模拟电路故障诊断的发展、现状以及存在的问题,介绍了BP神经网络的模型结构、学习机制,以及多种改进的BP算法进行了分析和研究。为了进一步提高收敛速度,避免单纯使用神经网络易陷入局部极小的缺点,本文提出了一种基于李亚普诺夫稳定性理论的BP算法,经验证能有效地解决这一问题。本文研究了提取有效采样点、基于多分辨分析和小波包分析的故障特征提取方法,选取了一个典型滤波器电路,分别通过启发式改进算法的BP网络和基于Lyapunov稳定性理论的BP网络对电路进行故障诊断,使用PSPICE和MATLAB软件对故障诊断过程进行了具体的仿真实现。实验结果表明,这种改进的BP神经网络能够比启发式算法更有效的对故障特征进行分类和识别,可以达到故障自动定位和诊断的目的,且诊断率高,而几种提取故障特征的方法都是可行有效的。本文虽取得了一些成果,但距离工程实际应用仍有一定差距,还需要在后续的研究中进一步加以改进。