模拟系统测试与诊断的研究始于上世纪60年代,传统的模拟电路规模小、集成度低,往往依赖于人工手段进行测试和诊断。随着电子工业的发展,电子线路的规模趋向大型化、复杂化,从而对大规模模拟系统自动测试和诊断提出了迫切的需求,针对大规模模拟电路故障诊断方法的研究也就成为国际电路与系统领域的研究热点。本文主要研究大规模模拟电路的故障诊断算法,提出了改进的神经网络诊断方法,并应用模糊推理系统定位故障范围,将大规模网络故障诊断方法系统化,并针对大规模网络的特性提出了模块诊断法的思想。论文首先详细探讨了几种具代表性的神经网络在模拟电路故障诊断中的应用,然后在大规模模拟电路故障诊断方法——网络撕裂法的基础上,提出了一种适用于大规模模拟电路故障诊断的神经网络方法,实现了子网络的快速撕裂和数据分析。文中深入研究了模式识别方法在模拟电路故障诊断中的应用,在集成神经网络和模糊推理各自优势的基础上,提出了基于神经网络——模糊推理的大规模模拟电路故障诊断方法,该法集故障预猜测、故障验证、检测条件和结果判断于一体,具有较强的系统性。仿真试验表明该方法故障定位精确度高、撕裂迅速,有利于大规模模拟电路故障诊断过程自动化的实现。论文的另一主要工作是将传统故障字典法和故障树分析法相结合,针对大规模网络故障诊断的特点,提出了模块诊断方法。该方法可克服因电路规模增加所造成的故障字典建立困难的缺点,同时可以从一定程度上缓解大规模模拟电路测前模拟工作量大的问题。模拟诊断实例表明了该方法具有快速隔离故障、缩小故障定位范围等突出优点。