模拟电路故障诊断的研究经过四十多年的发展,已经形成一系列诊断理论和方法,但由于其本身理论的复杂以及目前诊断方法的实用性不强使得应用前景和人们的期望差距甚远。子网络级故障诊断是基于网络撕裂的故障诊断方法,它将大规模模拟电路分解成若干子网络并进行分块诊断,从而可降低计算量,快速而有效。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,对于电路中存在着物理上或功能上具有不可分割的功能块或子网络时,该方法更显其工程实际意义。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法的大规模容差模拟电路诊断方法。通过对大规模模拟电路的仿真证明,使用交叉撕裂明细网络结构,简化诊断过程,且运用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。本文研究了容差模拟电路故障诊断的神经网络方法,分析了神经网络进行模拟电路故障诊断的原理,在此基础上提出了一些改进的神经网络方法,主要目的是减少诊断时间和提高容差模拟电路的诊断正确率。主要对误差后向传播神经网络(BP)进行研究,提出了改进的BP算法,利用神经网络的联想、记忆和推理功能以及容错性、鲁棒性和很好的非线性映射能力等特点,更好地实现故障诊断。本文将故障诊断理论应用到实际的工作中,介绍了模拟电路故障诊断仪的基本组成结构,以及设计的原理。模拟电路由于器件种类多、集成度低、故障模式复杂等特点,仍然没有较成熟的故障诊断产品。随着故障诊断技术的发展,设计一个开放的、模块化和通用化的故障诊断仪也是以后研究的重点。