随着电路板集成技术和智能故障诊断系统的发展,电路板的智能故障诊断越来越成为人们关注的焦点和热点,其中将神经网络智能识别技术应用到电路板诊断已经取得了较好的效果并成为了新的发展方向。由于神经网络具有处理复杂多模式及进行联想、推测和记忆功能,因而特别适合故障诊断系统。将神经网络用于模拟电路故障诊断是发展趋势。本课题以实际工程为背景,以防化辐射仪的电路为研究对象,运用虚拟仪器技术在检测节点采集含有故障特征的电压,作为样本数据和测试数据；以MATLAB软件为基本平台,将小波算法和神经网络融合,建立小波神经网络,用采集到的样本数据和期望输出训练网络,用测试数据来测试网络,最终实现对辐射仪电路的故障诊断。仔细分析电路本身特点后,设立检测节点,使其能反映出电路板主要典型故障,以其电压值作为故障的特征反映。运用虚拟信号发生器生成的信号作为电路输入节点的激励信号,用虚拟万用表在电路输出节点采集响应输出。在MATLAB中搭建神经网络平台,利用具有良好时域频域局部特性的小波基函数替代传统BP网络的激励函数构造BP小波神经网络,确定网络结构和算法。将电路板的典型故障统计并制表,在每种故障下测得节点数据,一部分作为网络训练的样本,用训练后的网络值及其对应的典型故障建立故障库；另一部分测试数据,作为仿真测试数据。实验结果表明,小波神经网络可以有效的对电路故障进行定位和分类识别,可以达到诊断目的,且准确率高。