随着电子技术的进步,模拟电路向着大规模、集成化方向发展,电路元件发生故障的几率大大增加,个别元件发生故障往往会影响到整个系统的正常工作。科技的发展对模拟电路故障的测试和诊断提出了更加严格的要求,使得对模拟电路故障领域的研究显得尤为重要,一些传统的故障诊断方法不再适用于现在的电路。随着以神经网络为代表的人工智能技术以及小波理论、混沌、粒子群等新方法不断融合到故障诊断领域中,这些新方法为模拟电路故障诊断开辟了新的思路,使模拟电路故障诊断方法的研究趋于多样化与实用化。进行高效的故障诊断方法研究是发展的趋势。本论文探讨了模拟电路故障诊断,研究了基于神经网络及混沌神经网络的模拟电路故障诊断方法,主要内容由以下几部分构成:(1)详细阐述了神经网络理论,对神经网络的灵活应用特性及有效分类性能进行了研究,并应用小波神经网络进行模拟电路故障诊断。(2)在故障特征提取环节中,提出一种小波分解与模糊聚类相结合进行预处理的故障特征提取方法,滤除冗余及噪声分量,有效提取故障特征,实现降低故障信息维数,优化神经网络的输入量。(3)提出一种基于混沌神经网络的模拟电路故障诊断方法,把混沌的遍历性、随机性和对初值的敏感性等特点与神经网络的学习、映射能力相结合,使神经网络具有混沌特性,改善了神经网络的收敛速度,提高了网络的学习、泛化能力,提高故障诊断效率。(4)为了验证文中所提方法的正确性,使用ORCAD10.5、MATLAB软件对实际电路进行编程仿真;仿真结果表明,本文所提出的方法能够进一步提高模拟电路故障诊断的效率,对软故障具有很好的故障定位能力。