电子设备的广泛应用给电路故障诊断提出了更高的要求,而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成为电路理论研究中的一大关键。但是,模拟电路故障诊断理论的复杂性,使得其研究与应用困难重重。生物免疫系统具有强大的信息处理能力和很多独特的机制,在此基础上发展起来的人工免疫系统(Artificial Immune System)理论为故障诊断提供了一条有效的途径,因此,受到普遍关注和重视。同时,人工免疫系统也为模拟电路故障诊断的研究提供了一种新的选择。本文对生物免疫机理作了较为深入的研究,并对现有人工免疫技术应用和发展作了详尽的总结,试图在已有人工免疫成果的基础上做出一些突破。本文的核心工作是研究了一种基于模糊数学(Fuzzy Mathematics)机理的免疫算法,并采用粒子滤波算法对其加以优化改进。文中首先介绍了些相关的基本知识,包括生物免疫机理、典型人工免疫理论、粒子滤波优化算法理论和模拟电路故障诊断技术,在现有免疫算法的基础上提出了种基于模糊数学的免疫算法,详尽给出了算法中检测器的生成、训练、学习及利用检测器进行故障诊断的过程,分析了本文算法的理论优势；并采用粒子滤波算法指导抗体的变异,将人工免疫算法和粒子滤波算法相结合,利用粒子滤波算法来优化传统免疫算法中的学习过程,以增加粒子集的多样性；最后,对模拟电路进行仿真实验,采集电路在各种工作状态下的特征数据,并详细阐述了本文算法在模拟电路故障诊断中的应用过程,通过模拟诊断实验验证了该算法的可行性和有效性。