模拟电路故障诊断经过四十多年的发展,已经形成一系列诊断理论和方法,但由于其诊断问题的复杂性使得目前诊断方法的实用性不强。随着电子技术的发展,特别是大规模模拟电路和数模混合电路的发展,对模拟电路故障诊断提出了新的要求,需要探索新的故障诊断理论和方法。近年来人工神经网络用于模拟电路故障诊断受到了普遍的关注和重视。在故障诊断领域,模糊神经网络技术的应用代表着一个新的研究方向。本文将模糊理论与神经网络相结合,提出了一种基于聚类模糊神经网络模型的模拟电路故障诊断方法,并阐述了其诊断系统的基本设计思想和算法实现。由于模糊神经网络不需要对象的精确模型,它以分布的方式存储信息,利用网络的拓扑结构和权值分布实现非线性映射,在神经网络框架下引入模糊规则,使网络中的权值有明显的意义。对权值的学习采用无监督的聚类算法,可避免BP算法极易陷入局部最优值的缺点,使得这一方法优于传统的故障诊断方法。仿真实验表明了该方法在故障诊断准确率和诊断速度上较传统方法有进一步的提高。同时,本论文基于分形理论,以信号分形计算维数为特征量,建立分形诊断方法;基于模糊理论和神经网络原理,基于分形维数隶属度的概念,将不同采样周期对应的计算维数按照模糊化处理,以一个固定的采样周期时段的分形维数隶属度为输入,构成了分形模糊神经网络的诊断方法,提出了一种非线性模拟系统的故障识别方法,并利用模拟实验验证诊断算法的有效性。这一研究是对模拟电路故障诊断方法新的探索。