本文在系统研究人工免疫算法的基础上,将人工免疫算法与智能诊断方法相结合,对模拟电路的智能故障诊断作了深入的研究,完成了如下研究工作:(1)设计了一种基于克隆选择和聚类的模拟电路故障分类器,该算法的亲和力函数是借助模糊C均值算法的目标函数定义的,有利于区分克隆选择算法在模拟电路故障诊断中存在故障重叠的部分,有效的提高了故障诊断率,同时将克隆选择和聚类算法结合寻找故障的聚类中心,有效的提高了算法的收敛速度。(2)研究了一种基于免疫记忆网络理论与k近邻算法的模拟电路故障诊断新方法。首先,利用免疫记忆网络寻找各故障空间的最佳记忆抗体。在免疫记忆网络中根据浓度来选择记忆抗体,以促进记忆抗体在各故障空间的均匀分布。利用克隆和超级变异机制来增强抗体多样性,再利用浓度和期望值对抗体进行促进和抑制,以避免早熟现象的产生;然后,根据所得到的各故障空间的最佳记忆抗体,使用改进的阈值k近邻算法对抗原进行故障分类;最后,以带通滤波器为诊断实例,利用实际电路测试数据和仿真数据作为测试样本进行故障诊断性能评估,实验结果证明了新故障诊断方法具有高的故障诊断率。(3)开发了基于研华PCI1714UL数据采集程序,完成单通道探测激励源,单通道进行DMA高速数据采集,最高采样频率为10MHz,利用数据采集程序采集模拟电路的故障特征向量,以备后续验证故障诊断方法是否有效。