目前，以神经网络为代表的计算智能诊断技术为模拟电路故障诊断提供了一条有效途径，倍受学术界的关注。本文运用小波分析作为电路故障特征提取手段，提出了基于神经网络和人工免疫算法的模拟电路故障诊断智能诊断技术。本文的主要工作如下：针对传统小波-神经网络诊断方法的不足，提出了一种基于可测性分析的神经网络故障诊断方法。首先对被测电路进行可测性分析，实现测试节点的优选，对优选的节点进行故障特征提取后，再用训练好的神经网络测试故障信息，实现故障元件的检测与定位。受生物免疫特性的启发，提出了一种基于人工免疫系统的模拟电路故障诊断的新方法。该方法首先对电路的输出节点的电压信号进行小波分解，提取各频段的能量作为故障样本；然后利用人工免疫算法对每类故障的故障样本进行自学习，得到该类故障的最优聚类中心；最后计算故障模式和学习得到的聚类中心的距离对电路的故障样本进行分类，从而实现故障诊断。计算机仿真实验结果表明该方法对容差模拟电路故障定位具有较高的准确率，这为模拟电路故障智能诊断技术开辟了另一领域。针对模拟电路故障诊断中存在的测试信息不足、故障定位准确性较低等问题，提出了一种应用智能信息融合技术的模拟电路故障定位方法。该方法首先分别对输入端电流和输出端节点电压做小波分解提取频段能量作为故障特征，然后应用特征层信息融合技术对故障信息进行分类以定位故障元件。该方法能充分利用故障信息，对模拟电路的软故障与多故障均可进行诊断，故障定位准确率高。