自二十世纪60年代起,电路的测试和故障诊断就受到了人们的关注。随着电子工业的迅速发展,模拟电路和数字电路已经得到了广泛的应用。电子设备的正常运行、可靠性与可维修性分析、电路故障诊断对生产生活都具有重要的意义。将人工智能方法引入故障诊断,将有利于故障特征描述,从而克服了传统的故障诊断专家系统中存在的问题,同时提高了故障诊断水平和诊断效率。本文系统研究了BP神经网络和自适应共振理论(Adaptive Resonate Theory,ART)神经网络。BP网络是有导师的学习过程,可以对并发故障进行识别,但是缺乏对新的故障模式的识别能力；ART可以对新的故障模式进行正确的识别,但缺乏对并发型故障识别错误的不足。根据BP和ART网络的优缺点,所以本文提出了将BP和ART相混合的混合神经网络应用于故障诊断领域的方法。新的网络既弥补了BP网络无法诊断新征兆的不足,又弥补了ART网络的并发处理不当的缺陷。新的网络以ART网络为主,BP网络为辅,具有自适应、训练时间短等特点。根据新提出的网络模型,实现了基于BP和ART神经网络相结合的电路故障诊断程序,诊断程序以COM标准封装成函数库发布的。COM标准是二进制基础的,具有与开发语言无关的特点,这样便于由各种语言开发而成的程序的调用。最后给出了一个应用的案例。通过输入归一化后的样本数据样本和期望的输出的数据样本,进行训练网络,在网络学习过程完成以后,将从模拟电路采集到的数据输入混合神经网络进行诊断,最后根据输出值进行故障模式的匹配,得出诊断结论。