模拟电路测试和诊断自20世纪70年代以来,一直是电路与系统领域的研究热点,至今已取得了诸多显著的理论成果,但由于模拟电路元件的非线性、具容差及其故障现象的多样性等使得其诊断问题极其复杂,现有诊断理论与方法距实际应用尚有一定的距离。信息融合技术作为信息处理的有力工具,为解决模拟电路故障诊断中的诸多难题提供了可能。为此,本论文以探索基于智能信息融合技术的模拟电路故障诊断方法作为核心,对模拟电路故障特征提取与基于决策层融合的智能诊断进行了较深入的研究。针对模拟电路尤其是大规模电路可及节点十分有限而导致的故障信息提取困难等问题,本文探索电路元件温度特征信息提取方法,提出了基于K-近邻法的模拟电路温度信息提取规则及相应的电路故障识别方法。针对采用传统D-S融合方法可能出现的冲突融合和一票否决等问题,提出了考虑异质信息不相容时的模拟电路融合诊断方法。该法首先采用K-近邻法提取电路温度特征信息,并进行故障预识别,再结合基于可测点电压的神经网络故障预识别结果,在考虑信息不相容的情况下,通过计算关联权重系数、先验权重系数等,进行电路的综合诊断,保证了诊断结果的准确性。同时,针对采用传统D-S融合方法的冲突融合等问题,本文还提出了采用可传递置信模型的模拟电路融合诊断方法。该法首先利用可传递置信模型分别对基于可测点电压的故障预识别结果和基于温度特征信息的故障预识别结果进行计算,以获得基本置信分配、置信函数值和组合概率。在此基础上,通过可传递置信模型中的决策层融合算法获取最终置信证据值,实现故障定位,提高了故障诊断的准确率。对上述方法分别进行了的模拟仿真试验,验证了所提方法的有效性和准确性。