集成电路是电子及电气系统的基础和核心,其应用涉及到当今人类社会的方方面面。数模混合集成电路是集成电路家族中的一个重要分支,具有综合性较强、覆盖面较广、诊断复杂的特点。检测和诊断是确保集成电路功能、性能正确的重要手段。本文开展对数模混合集成电路诊断方法学的研究具有重要的科学意义和应用价值。本文基于BP神经网络算法,提出了一种数模混合集成电路诊断方法,以集成电路中温度采集功能模块的电路为载体验证了所设计的方法。主要研究内容如下:（1）使用拟合法对BP神经网络的隐含层神经元数选择方法进行改进。该方法覆盖了隐含层神经元数选择总量,拟合分析得到误差率最小的神经元数,提高了BP神经网络的预测精度。（2）为了克服BP神经网络易收敛于局部极小值的问题,提出了使用模拟退火法对该网络进行优化。该方法对训练样本进行大量抽样交换,对比阈值后进行网络训练。通过实验数据结果验证,该方法可行并且能明显提高网络预测精确度与迭代速度。（3）完成了对V/F转换电路构成的温度采样电路的分析。将此电路各模块故障的测试节点选定并分类,收集了该电路大量正常与故障状态的数据。（4）使用模拟退火法与拟合法优化后的BP神经网络对收集的电路数据进行训练与分类,建立故障字典,使用测试数据进行实验验证。按照以上方案在具体电路上的实验表明:模拟退火法和拟合法对BP神经网络的改进能提高原BP网络的预测精度,减小迭代次数,同时电路实验结果印证该方法能定位电路的具体故障模块以及元件位置。