随着电子技术的飞速发展,为了有效缩短电子产品的上市时间,提高电子设备的可靠性,对模拟电路的故障诊断提出了越来越高的要求,使模拟电路故障诊断理论和方法研究成为了目前极具挑战性的前沿和热门课题。然而,由于模拟电路响应的非连续性、元件参数的连续可变和元件参数的容差等固有特点,模拟电路故障诊断方法发展缓慢,传统的故障诊断理论和方法在实际工程中很难达到预期的效果。因此,研究高效、适应模拟电路发展需求的故障诊断理论和方法显得尤为重要。本文以模糊理论、数学规划理论和粒子群优化算法等理论和技术为基础,深入研究了模拟电路软故障的智能优化诊断方法,主要完成了的工作和成果如下:根据模拟电路故障的特点,以测试节点上电压增量构成的方向向量为基础,研究了一种联合方向向量和模糊理论诊断模拟电路单个软故障的原理、算法和步骤。首先,在不考虑参数容差影响下,用各个测试节点上的电压增量所构成的方向向量建立了矩阵;以该矩阵为系数,构建一个线性矩阵方程;通过求解方程来定位故障元件。其次,在考虑参数容差影响时,以方向向量为特征定义了故障特征集;引入模糊理论,按照固定宽度法定义隶属函数,确定电路中可能的故障状态与故障集中定义的故障之间的相似度。诊断结果表明,该方法中故障集定义简单,故障诊断率较高。以电路元件对测试节点灵敏度定义为基础,建立起测试节点上节点电压增量方程。并且将通过求解方程进行模拟电路软故障诊断问题转化为在容差条件下的故障元件位置、参数漂移量大小的决策问题。结合数学规划理论相继建立了一系列数学规划方程,通过求这些方程的解定位电路中的故障元件、估计故障元件的参数变化值。由此,实现了容差条件下模拟电路故障元件定位及故障元件参数漂移量确定,对于解决模拟电路故障诊断领域所关注三大重点问题(故障元件定位,故障元件参数偏移量估计,电路容差处理)作了有益的尝试,取得了良好的初步结果。以建立的测试节点上节点电压增量方程为桥梁,将智能优化算法-粒子群优化算法理论用于模拟电路的单软故障诊断。首先,把粒子群优化算法作为求解工具,代替Lingo软件求解所建立的数学规划方程组,将该优化算法同模拟电路的单软故障诊断建立联系,有效地解决了必须依赖商业软件求解方程组的问题。其次,联合粒子群优化算法和小波神经网络,用粒子群优化算法优化网络权值,建立起粒子群-小波神经网络。该网络在诊断模拟电路故障的过程中,收敛速度快,故障诊断率高,不仅能对已训练过的故障状态正确分类,而且能够对新故障进行自动分类。通过对测试节点电压增量方程的变化,将粒子群优化算法引入到模拟电路故障诊断领域,既丰富了模拟电路故障诊断的理论与方法,又扩展了粒子群算法的应用范围。然而,作为一种新兴的智能优化算法,粒子群优化算法本身也有很多值得进一步完善的地方。在研究Kennedy提出的随机参数如何影响单粒子轨迹的问题时,以往的研究都只分析学习因子的作用,而忽略了构成随机参数的另一个变量:随机数。本文中,着眼于随机数对粒子运动轨迹的影响。应用数学理论,研究了单个粒子位置轨迹稳定性条件,并得到了一组既包含以往研究结果,又有发展的单粒子运动轨迹稳定收敛参数取值条件。随后,受到生物学界研究成果的启发,通过对自然界中领导作用的模仿,提出了一种粒子群优化改进算法,将单个粒子的行为和群体行为有机地结合起来。通过使用标准函数测试,与经典方法相比,文中所提出的改进算法具有收敛率高,迭代次数少等特点。随后将该方法应用于模拟电路软故障诊断。实验结果表明,在模拟电路故障诊断中,新算法既继承了基本粒子群优化算法能够实现模拟电路故障元件定位及故障元件参数变化量估计的优点,又具有算法收敛率高,迭代次数少等优点。从而验证了改进算法对模拟电路软故障诊断的有效性和实用性。