随着电子工业迅速发展,模拟电路的集成度越来越高,对模拟电路故障诊断技术的要求也不断提高。然而由于模拟电路输出信号的连续性和非线性等问题,使得传统的人工测试与故障诊断方法在实际的诊断中难以达到预期的效果。本文以神经网络为基础,深入研究了模拟电路的故障特征提取、故障诊断方法并且设计了一个基于虚拟仪器技术的智能故障诊断系统。本文分析了模拟电路的故障类型,阐述了神经网络故障诊断原理,并提出了基于BP神经网络实现模拟电路故障诊断的方法。针对基本BP神经网络训练时间长等问题,本文提出了两种改进方法:附加动量法和LM算法。在Multisim平台上建立模拟电路仿真模型,并应用等间距采样法提取输出信号的故障特征,从而验证了附加动量法改进的BP神经网络方法的可行性。为了更加有效提取电路输出信号的故障特征,本文研究了基于小波神经网络方法对模拟电路进行故障诊断。利用小波分解输出信号提取各频段的能量,将其作为故障特征向量输入到LM算法改进的BP神经网络进行故障诊断。诊断实例证明了两种方法均能以较高的正确率完成故障诊断,相比而言,基于小波系数能量分析下的小波神经网络方法的正确率更高,网络收敛速度更快。最后,在LabVIEW的环境里设计了一个智能故障诊断系统,系统的前面板能够直观的显示故障类型,并且通过Matlab脚本节点连接LabVIEW与Matlab,在运行LabVIEW程序时可以自动调用Matlab程序实现神经网络的训练和故障诊断。本文将虚拟仪器技术应用到模拟电路故障诊断中,具有很好的工程应用价值。