据有关统计表明,绝大部分的电子设备故障是由于模拟电路发生故障所导致的,因此模拟电路故障诊断技术的重要性越来越明显,它对于电子设备或系统的正常运行和可靠性设计均具有重要的意义。模拟电路故障诊断自70年代开始至今,在世界范围内已经取得卓有成效的研究成果,并逐渐形成了比较系统的理论,确立了它在网络理论中应有的地位,成为继网络分析和网络综合之后的网络理论的第三大分支。与传统诊断方法相比,以神经网络为代表的计算智能技术为模拟电路故障诊断提供了一条有效的新途径,它无需建立诊断对象的精确数学模型,特别是其高速的自组织和自学习能力,使其成为故障诊断的一种有效方法和手段,尤其适合模拟电路的故障诊断。论文研究了基于神经网络的模拟电路故障诊断的一般方法和诊断步骤。探讨了BP网络的结构设计、训练算法以及用于故障诊断的优势。BP神经网络用于模拟电路故障诊断具有一定优势,但是传统BP算法有其自身固有的缺陷,如收敛速度慢、容易陷入局部极小等缺点。论文阐述了几种改进的BP算法原理,重点研究了遗传算法(GA)与Levenberg-Marquartd算法(LMBP算法)相结合的GA-LMBP混合算法来克服传统BP算法的固有缺陷。该方法首先通过遗传算法对神经网络的初始权值进行全局寻优,以此来有效克服BP算法容易陷入局部极小的缺点,在此基础上利用LMBP算法进行局部精调,由于LMBP算法具有快速收敛的性能,因此对于提高电路故障诊断的速度有很大帮助。论文最后以线性稳压电源电路和有源双T带阻滤波器为例,对GA_LMBP混合算法进行模拟电路故障诊断进行仿真验证,实验结果表明论文所提出的实现方法对具有容差的模拟电路进行了较准确的诊断,达到了预期目的。在诊断正确率和诊断速度两个方面具有良好的性能,并具有良好的通用性。论文虽取得了一些成果,但距离工程实际应用仍有一定差距,还需要在后续的研究中进一步加以改进。