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，模拟电路的故障诊断日益引起世界各国电路理论学者的重视。另一方面，随着网络技术的不断发展，远程测试与故障诊断技术成为技术号家们瞩目的崭新的科研课题。本文着眼于该项课题中的故障诊断技术，对神经网络在模拟电路故障诊断中的应用进行了积极的研究工作。 传统模拟电路故障诊断方法，如故障字典法，其诊断效果受到元件容差的影响较大；对于参数识别法，由于其诊断过程需要求解大量的非线性方程，工作量过大，诊断效果并不理想。与传统诊断方法相比，现代智能诊断技术，例如神经网络故障诊断技术就具有非常适合模拟电路故障诊断的特性，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。本文对BP神经网络珍断技术的应用作了较为深入的研究，详细阐述该种诊断技术在模拟电路故障诊断中的应用流程。 BP神经网络诊断技术虽然有其优势的一面，但是传统BP算法有其自身固有的缺陷，如收敛速度慢、容易陷入局部极小的缺点。本文重点研究了遗传算法与LMBP算法相结合的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，以此来有效的克服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。在神经网络结构趋于完善的情况下，本文还探讨了采用“标称向量+容差向量”型训练样本来训练网络，以提高电路故障诊断的效率。 根据科研工作的需要，本文在远程测试诊断背景下构建了验证原型系统，并根据基于神经网络方法的模拟电路故障诊断技术的需求，分别对服务器端的故障诊断子系统以及客户端的测试子系统进行了分析与设计并给出部分实现。 文章的最后以两级RC耦合放大电路和某视频放大电路为例，对GA_LMBP混合算法诊断效率进行了验证，实验结果表明该种混合诊断算法在故障诊断正确率和诊断速度两个方面具有良好的性能，并且在对规模不同的两个实例进行诊断过程中，表现了良好的通用性。