本文将神经网络尤其是神经网络集成方法应用于模拟电路故障诊断中。模拟电路故障诊断相当于模式识别,本文论证了BP网络的分类功能并且构造了神经网络故障诊断系统。理论上指出了BP网络构造的故障诊断系统可以应用于任何电路,诊断任何类型故障。故障识别时需要得到最能反映故障分类的本质特征,提取合理的故障特征是模拟电路故障诊断的核心问题之一。本文提出了三种故障特征提取的方法,这三种方法是快速傅里叶变换、小波变换和主成分分析方法。利用快速傅里叶变换和小波变换方法提取故障特征后,训练样本仍然陷入高维灾难,还需对数据进一步压缩,因此提出了一种数据压缩算法。针对电路拓扑中不可识别与不可检测的故障,采取了多次激励方法尽可能分离这些故障。不同激励训练不同的网络,利用神经网络集成方法联合这些网络共同决定网络输出,提出了两种神经网络集成算法。本文所设计的神经网络故障诊断系统即使在训练单个故障模式情况下也能进行多故障诊断,这是网络泛化能力的体现。通过两个电路仿真实验说明这种诊断系统是有效的。这一研究为电子电路的实时故障诊断和电子电路的可靠性分析提供了新的理论依据和检测方法,具有广阔的前景。