模拟电路故障诊断的研究经过二十多年的发展，已经形成一系列诊断理论和方法，但由于其本身理论的复杂以及目前诊断方法的实用性不强使得应用前景和人们的期望差距甚远。人工神经网络理论近年来得到了快速发展，已开始在各个领域广泛应用。随着微电子技术尤其是数模混合电路和VLSI技术的发展，对具有容差的模拟电路的测试和故障诊断的需求日益迫切。 本文主要研究了容差模拟电路故障诊断的神经网络方法，在此基础上提出了一些改进的神经网络方法，主要目的是减少诊断时间和提高容差模拟电路的诊断正确率。 本文基于误差后向传播神经网络(BP)的改进算法提出了一些新的故障诊断方法，这些改进算法是将不同的优化算法与BP算法结合起来，不仅考虑了误差在曲面上变化趋势的影响，而且保证网络总是以最适当的学习速率学习。神经网络的联想、记忆和推理功能以及容错性、鲁棒性和很好的非线性映射能力，使这一诊断方法明显优于传统的故障字典法。 本文将模糊逻辑和遗传算法融入前向人工神经网络，提出了一种非线性模拟系统的故障辨识方法，构造了一个基于模糊加权型推理法的模糊神经网络，利用遗传算法来训练网络连接权值、优化隶属度函数，根据训练后的网络权值可以自动提取出模糊规则，并通过仿真实验验证了该方法的有效性。 本文对大规模模拟电路的网络撕裂算法进行了深入的研究，提出了一些改进的大规模模拟电路子网络级多级诊断算法。这种算法讨论了在网络含有线性或非线性子网络的情况下不可及撕裂节点电压的计算。本文通过对大规模模拟电路的仿真表明，本文所提出的改进方法具有良好的诊断效果和可行性。