模拟电路故障诊断是一门不断发展中的综合交叉性学科,是在不断吸收其它学科和领域的新理论、新技术和新方法的基础上向前发展的一门应用技术。虽然经过了三十多年的发展,也已经形成了一系列的诊断理论和方法,但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和模数混合电路发展,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与方法。 本文在传统的大规模电路的撕裂算法的基础上,提出了基于神经网络和交叉撕裂算法的大规模容差模拟电路模块级硬故障快速诊断方法。神经网络记录的不是每一个撕裂模块的信息,而是每一次的撕裂信息。诊断实例证明通过神经网络组对信息进行并行处理,逻辑分析运算对多故障信息进行处理判断,大大提高了故障诊断速度,减小了测前工作量。 本文提出了专家系统和模糊理论应用到神经网络的容差模拟电路故障诊断方法,尤其对容差电路的软故障诊断做了重点阐述。深入探讨并初步解决了根据元件软故障的统一特性,采用人工智能方法实现软故障的模式识别诊断的问题。提出了在模糊神经网络模糊化函数层中使用分段函数的方法,神经网络具有较强的推广能力,能够通过学习自动的提取求解规则。 为了避免单纯使用神经网络易陷入局部极小的缺点,本文还提出了一种融合遗传算法模糊神经网络对容差模拟电路软故障诊断的新方法。该方法利用遗传算法进行全局搜索即粗搜索,得到神经网络的初始权值,再用神经网络算法进行精细搜索,找到全局最优解,从而最终提取模糊推理规则作为专家系统,实现对电路进行软故障诊断的目的。诊断实例表明该方法具有良好的诊断效果。