随着电子技术的快速发展与军事斗争的需要,武器装备中印刷电路板的组成及实现的功能越来越复杂并多工作在恶劣的外部环境中,有时为了完成任务,需要超负荷的运转。武器装备中印刷电路板的使用现状致使某些电子线路、元器件等损坏、失效,以致整个装备不能正常发挥作用。这要求我们研究新的技术和方法,进一步提高电子设备的可靠性;当电路发生故障时,要求能及时、准确地辨识故障,以便检修和替换。本课题基于人工智能技术的印刷电路板故障诊断方法研究,就是通过对小波分析、数据挖掘、神经网络和信息融合等人工智能技术深刻认知与理解的基础上,提出这几种技术在印刷电路板中的应用方式和验证方式,分析每种技术的应用方式及优缺点,探讨集成多种人工智能技术进行印刷电路板故障识别的方案。课题通过对几种人工智能技术的研究,在软件中实现了小波分析、神经网络、数据挖掘和信息融合等技术,并分为训练数据导入、小波分析、数据训练、诊断数据导入、小波分析、数据诊断6个操作模块实现印刷电路板智能诊断功能。对故障电路板在特定节点的电压等参数进行采集,经过分析和处理后,使用小波分析和滤波等技术简化并提取其中蕴含的模式信息,然后使用数据挖掘、神经网络等进行模式识别,从而定位并诊断出特定模式对应的故障。针对实际电路板故障的复杂性,需要综合多种模式识别算法,并使用信息融合技术综合所得的不同的结果,给出最终的诊断结论。经过实际电路板测试验证,该设计方案对同类电路板的单故障诊断结果达到90%以上,具有很好的通用性和较好的应用前景。