模拟电路故障诊断自70年代开始,在世界范围内已经取得卓有成效的研究成果,并逐渐形成了比较系统的理论,确立了它在网络理论中应有的地位,成为继网络分析和网络综合之后的网络理论的第三大分支。但是由于模拟电路特别是有容差的大规模模拟电路故障的多样性和复杂性,使得可用于诊断容差模拟电路的故障和大规模模拟电路软故障的方法还十分有限。随着电子技术的发展,特别是超大规模模拟电路模数混合电路发展,对模拟电路故障诊断提出了新的挑战,需要探索新的模拟电路故障诊断理论和方法。人工神经网络理论近年来得到了快速发展,已经开始在各个领域广泛应用。本文主要研究了容差模拟电路故障诊断的神经网络方法。特别是对误差后向传播神经网络(BP)进行了详细的探讨,给出了用改进BP网络诊断模拟电路故障的实例,针对模拟电路故障中的多软故障,本文尝试用自组织特征映射网络(SOFM)来进行诊断。诊断实例表明神经网络的联想、记忆和推理功能以及容错性、鲁棒性和很好的非线性映射能力,使这一诊断方法明显优于传统的故障字典法。本文将小波变换融入神经网络,提出了一种松散结合方式的小波神经网络故障诊断方法。由于小波变换具有在时域和频域良好的局部特性和对信号有较强的特征提取功能,利用小波分析,将电路故障信号进行层次分解,获得不同频段的信号成分,取其能反映故障信号特征的成分做为电路故障特征,再输入给神经网络,大大减少了神经网络的输入数目,简化了神经网络的结构和减少了它的训练时间,并提高了辨识故障类别的能力。本文对大规模模拟电路的改进节点网络撕裂方法进行了深入的研究。对满足子网络可解条件的各类可能撕裂情况,提出了相应的自检验判断条件和共检验判断条件,给出了故障诊断的实例,该方法为大规模模拟电路子网络级的故障提供了一种更为有效的故障定位方法。