模拟电路故障诊断理论是网络理论的第三分支,在自动测试技术中起着支柱作用。自60年代开始研究以来,取得了不少有价值的理论成果,但总的来说发展一直比较缓慢。元件容差的普遍存在、电路故障的多样性等是制约模拟故障诊断理论发展的主要障碍,尤其是电路中存在软故障时,电路的故障状态可能与正常状态比较接近,或不同故障下的电路状态可能重叠,因此诊断难度很大。随着微电子技术尤其是VLSI技术的发展,对模拟电路自动测试和诊断的需求日益迫切。为此,本文对容差模拟电路故障诊断方法进行了较深入的研究,重点探索神经网络诊断方法,致力于解决由于容差的存在以及模拟电路故障的多样性而导致的训练样本规模过大、诊断速率较低、诊断准确率有待提高等问题。针对BP网络存在收敛速度缓慢、容易陷入局部极小以及网络结构难以确定等缺陷,提出了利用概率神经网络进行故障诊断方法。仿真结果表明:该诊断方法快速、准确,尤其对软故障有较高的识别能力。为了解决神经网络训练样本优化选择的问题,采取遗传算法的全局寻优能力与粗糙集理论结合的方法获得决策表最小约简,该方法为本文所提出的粗糙集神经网络集成诊断方案奠定了基础。针对容差电路神经网络故障诊断方法训练样本规模过大使得网络过于复杂,网络训练速度较低的问题,提出了应用自组织竞争网络-粗糙集-BP网络集成进行故障诊断的方案,从而降低了神经网络训练样本规模,减少了网络训练时间。针对容差电路故障元件诊断的不确定性问题,提出了基于RBF与BP神经网络、D-S证据理论的故障诊断方法,模拟诊断结果显示,所采用的神经网络数据融合方法能提高故障诊断的准确率。