自电路诞生以来,其故障诊断问题就成为了研究的热点问题。随着科技的发展,电路规模越来越大,电路结构越来越复杂,对其故障的诊断越来越困难。模拟电路部分在现代集成电路中的特殊地位决定了其研究及其应用价值,特别是网络理论和人工智能理论的发展,掀起了模拟电路故障诊断的研究热潮。故障字典法和神经网络法是目前解决模拟电路故障诊断的最常用最典型的方法。故障字典法的关键是建立故障字典,传统的故障字典法需要根据经验选择测试节点,很容易选择了并不需要的节点,进行故障隔离时计算两个或者多个模糊集的交集与差集是必不可少的步骤,而文中引入故障编码方法后,能够跳过这个步骤,因此它能有效地减少模拟电路故障诊断测前仿真中的计算量,方便地进行故障隔离以及节点优选,简单地使用字典来判断故障。神经网络法的关键的是构造合适的网络模型,提取包含故障的特征量。连续紧凑型小波神经网络因其良好非线性逼近能力以及收敛速度比BP网络快的特点,被广泛应用于非线性模拟电路的故障诊断。但它仍存在收敛速度慢的问题,针对此问题提出用Levenberg-Marquardt(LM)算法改进的小波神经网络LM-WNN。为了克服LM-WNN由于收敛速度过快易陷入局部最小点和平台的缺点,利用模拟退火(SA)算法对小波神经网络参数进行优化,得到一组接近全局最小解的近似解,把近似解作为小波神经网络权值和阈值矩阵的初始值,以确保LM-WNN收敛于全局最小点。把SA-LM-WNN用于模拟电路故障诊断,仿真结果表明,该算法能够快速收敛于全局最小点,仿真效果好。