随着电子元器件的制造工艺的不断提升,各种电路的集成度日益加大,尤其模拟电路的结构愈加复杂,因此与模拟电路故障诊断技术相应的研究愈发重要。面对传统的BP神经网络用于电路诊断的诸多缺点,如诊断效率不高、达不到有效收敛。各种BP神经网络改进算法不断出现,如附加动量法、统计算法和竞争BP算法等等。总体上讲,这些算法通过随机选取BP网络的权值和阈值,对学习速率加以改进,虽取得一定的诊断效果,但是没有优化网络结构,随时调整权值和阈值以使得网络达到最佳。因此本文从优化BP神经网络的权值和阈值方向做工作,将遗传算法用于优化BP神经网络来进行模拟电路故障诊断,达到高效率、高精度的诊断目的。本文主要研究内容为以下几点：(1)对模拟电路运用电路仿真设计软件OrCAD进行原理图绘制,再对该电路进行直流灵敏度分析,并根据元器件的直流灵敏度分析结果来构造故障类型。(2)将模拟电路进行蒙特卡洛(MC)分析,得到各种故障状态下的电路参数信息,整合利用这些信息,将其分为训练样本集和测试样本集。(3)用传统的BP神经网络对电路进行故障诊断,观察传统BP神经网络的训练步长、训练曲线误差,记录其故障诊断率。(4)用简单遗传算法(SGA)对BP神经网络进行优化,使得BP神经网络的权值和阈值得到最优值,网络达到全局最优解。然后用该网络对电路进行故障诊断,观察应用该算法对电路的诊断,记录其故障诊断效果。(5)改进简单遗传算法的编码方式,用实数编码及其与之相应一系列的遗传操作算子来对BP神经网络加以优化,并将其用于电路故障诊断,比较改进算法和简单遗传算法的诊断效果,获得改进算法的优点,提出今后工作的方向。