随着集成电路的规模增加，电路的故障诊断自上世纪60年代以来一直成为研究者关注的热门话题之一。本文主要围绕模拟电路故障特征提取与选择、故障分类诊断及可测性设计之测点选择等研究内容展开。涉及基于云的故障样本的产生方法、模拟电路软故障概念诊断、基于云模糊组的故障字典测点选择方法等理论和实际问题的研究。本文的主要研究工作及成果包括：(1)提出基于云的故障样本的产生方法。针对模拟电子电路故障分类中故障特征提取问题和故障样本的样本分布特点，本文提出了两种基于云模型的模拟电路故障样本的产生方法，即故障云特征值样本和故障云模拟样本。故障云特征值样本的产生方法利用云模型的统计特性以原始故障样本对应的云特征值作为训练和测试样本，可以起到过滤噪声、避免样本与测试数据之间的误差问题。而故障云模拟样本的产生方法是以原始故障样本对应的云特征值，利用正向云算法重新构造一定数量的新样本，适用于训练样本数目较少或在特定情况下难以获得仿真样本的情况。将产生的两种样本设计神经网络的结构并进行训练、分析，实现故障诊断。实验表明，上述两种故障样本的产生方法在模拟电路测试与故障诊断中取得了较好的效果。(2)提出基于云模型理论定性概念表示的软故障概念诊断模型。针对模拟电路故障诊断方法中不能对软故障对应的故障状态完整表述的问题，本文提出了一种基于云模型理论定性概念表示的故障概念诊断模型。该诊断模型采用云变换方法对多个测点电压区间进行概念软划分表示，生成由云模型特征值表示的测点电压原子概念，并将其提升至便于理解的测点电压定性概念，生成与故障元件参数范围关联且基于多个测点电压定性概念组合的故障类别概念表，最后依据此表完成基于概念形式化表示的故障状态的完整描述及模拟电路软故障的分类与诊断。(3)提出基于云模糊组的模拟电路故障字典测点选择方法。在基于故障字典技术的测点选择方法中，针对在构建整数编码故障字典过程中模糊组的划分规则“硬划分”的问题，本文利用云变换、相似云等云模型理论，提出基于云模糊组的整数编码故障字典方法进行测点选择。该方法将测点选择时所采用整数编码故障字典涉及的模糊组划分依据由绝对的定量数值转换为相对的定性概念，实现利用云模型相似云算法进行模糊组编号概念隶属判定构造云模糊组整数编码故障字典的测点选择方法。该方法充分考虑了模拟电路故障状态的模糊性、随机性等不确定性因素，弥补了模糊组“0.7V”主观硬划分的缺陷。