目前,人工神经网络(ANN)已成为故障诊断领域中最活跃的研究方向之一,有越来越多的研究集中于人工神经网络的诊断上来.遗传算法(GA)由于其并行搜索机制和全局搜索特点,可以与ANN相结合用于故障诊断.GA与ANN的结合主要表现在两个方面:(1)辅助式结合;(2)合作式结合.而这种合作式结合又分成三种方式:第一种方式是固定网络拓扑结构的情况下,利用GA确定网络的连接权重;第二种方式是直接利用GA优化NN的结构,然后用BP算法训练网络;第三种方式是NN网络学习规则的进化.本论文选取GA训练ANN的网络权值作为研究方向.在论文中,首先针对标准GA的不足,提出了三条改进的方案:(1)对初始种群进行正交化设计来选取;(2)变固定的交叉率和变异率为自适应变化;(3)将局部搜索能力强的爬山法与GA接合,引进自适应的正交局部搜索算子.并用改进的正交局部自适应GA对经典的多峰测试函数进行性能测试,结果表明正交局部自适应GA在各项性能指标均优于标准GA.其次针对BP网络中BP算法是在梯度法的基础上推导出来的,在多峰值和函数不可微时,搜索不到全局最优,易陷入局部极小的特点,把正交局部自适应GA与BP结合起来形成一种混合学习算法,再用混合学习算法训练BP网络.为验证新的学习算法的性能,我们把混合智能算法进行了几个方面的应用,通过收敛速度、误差函数来说明混合智能学习算法在训练神经网络权值优于BP算法.然后依据网络的权值可以和故障模式相对应,把GA与BP算法相结合的混合学习算法用于某一音频电路进行诊断,并给出了一个学习实例和故障的诊断实例.最后对全文进行了总结.