随着电子信息技术的快速发展,电路的集成化程度不断提高、性能和结构也更加复杂,对电路故障诊断的自动化都提出了更迫切的要求。经过30多年的发展,电路故障诊断技术的研究已经成为电路领域研究中的热点问题。然而现有的故障诊断方法多数只针对电路中元件开、短路类的硬故障,对元件参数超出容差范围的软故障诊断的研究比较少,而且这样的研究也局限于对故障元件参数为有限离散值的情况,没有考虑故障元件参数为连续偏差值的故障模式,本文将对这种情况下的模拟电路故障诊断进行研究探讨。针对容差模拟电路软故障诊断问题,本文提出一种小波分析和纠错编码径向基(Error Correction Radial Basis Function, ECRBF)网络相结合的诊断方案。相对于信号的时域分析或频域分析处理方法而言,小波分析具有更好的局部时频联合特性,能有效的提取出信号的时频联合特征。因此,在本文中用小波变换对信号进行分解,提取多层能量,并对各层能量进行归一化作为神经网络的输入。RBF网络作为分类器在非线性映射、分类能力和收敛速度上具有明显的优势,本文在传统的RBF网络基础上融合了通信中的纠错编码技术,使得改进后的网络在具有自纠错能力。在网络的结构方面,传统的RBF网络通常采用单个多输入多输出的网络来实现分类识别,而ECRBF网络是由多个单输出的子RBF网络构成分类识别系统,子网络的个数根据故障类的纠错编码结果确定。在RBF网络的学习算法上,本文采用K-均值算法进行样本聚类,确定聚类中心。最后结合实际电路进行故障特征的提取和故障诊断,通过仿真实验和结果分析表明,本文诊断方案能够实现故障元件的检验和定位,并且达到较高的故障诊断率。