随着现代化工业的发展，传统的故障诊断方法体现出了较大的局限性。而人工智能技术的发展却带来了这一研究领域新的思路和方法，特别是人工神经网络的最新研究极大的推动了模拟电路故障诊断的发展。目前在模拟电路故障诊断中多采用BP神经网络。这是由于BP神经网络高度的并行处理信息的能力致使其在诊断模拟电路故障时测后诊断速度快，实时性强。本文通过研究BP算法的理论基础，分析BP算法的运行机理，研究传统BP算法在解决模拟电路故障诊断问题的性能，提出了改进方法，并在Matlab运行环境中实现模拟电路故障诊断问题。本文将以“模拟电路故障诊断——BP算法——故障特征提取——Matlab——优化BP算法”为主线。全文共分以下几部分：⑴BP算法的简介和基本原理；⑵故障特征提取的方法研究；⑶基于BP算法的模拟电路故障诊断问题的求解；⑷通过实验数据比较BP算法和优化后的BP算法的性能。本文用LED调光灯电路为例，研究了基于BP网络的诊断系统的构成提出了相应的诊断流程；同时也研究了常用的数据预处理方法，通过设计的2组实验分别验证了传统BP网络与基于附加动量法的改进型的BP网络性能的对比；以及基于PCA的改进型的BP网络对于实例电路的故障诊断的可行性研究。