模拟电路测试和故障诊断自20世纪60年代以来,一直是研究的热门课题。随着电子技术的飞速发展,电子电路集成化程度和制版工艺的日益提高,各种元件级故障诊断理论和方法已经难以适应大规模网络故障诊断的需要,从而对大规模模拟电路子网路级诊断方法提出了迫切的要求。但元件容差的存在严重制约着模拟电路尤其是大规模电路故障诊断技术的进一步发展,是模拟电路故障诊断领域的热点和难点。本文研究了大规模容差模拟电路的子网络级诊断方法,重点探索了基于网络撕裂法的大规模容差电路诊断,力图将大规模容差网络故障诊断方法朝系统化和实用化的方向推进。针对撕裂节点是否可及问题,本文研究了改进的节点撕裂法,该法通过引入拟裂点使得网络的撕裂具有很大的灵活性。文中融合交叉撕裂搜索法和逐级撕裂搜索法各自的特点,应用区间数学和遗传算法,提出了容差子网络状态的判定条件,为大规模容差电路诊断提供了一种快速、有效的方法。基于统计理论和灵敏度分析,本文对电路的容差进行了分析与处理,在此基础上提出了一种大规模容差子网络诊断的神经网络方法。该法融合交叉撕裂法,将大规模网络的故障信息分别用几个神经网络来储存,将响应的容差化为随机信号附加到标称电路样本上,使用遗传算法来训练BP网络的权值,最后采用综合神经网络进行决策,定位故障子网络,仿真实验证明了该法的有效性。同时,本文将基于线性程序概念的故障诊断算法与网络撕裂法有机结合,提出了一种大规模容差模拟电路多故障诊法,该法能快速、准确地诊断容差电路的二重故障,并为仿真实验所验证。此外,本文还对子网络级的屏蔽诊断法的具体实现进行了验证性的研究。