4)当环境发生一定的变化时，实际的模拟电路将会随之有着较大的影响。在实际的电路系统中，造成输出响应改变的因素不仅有元件参数的变化，也有外界环境中各种如噪声等因素。

由于模拟电路的这些限制因数，在未来的实际研究中实现电路故障诊断的人工智能化以及不断开拓故障诊断新方法已经成为了一个具有远大现实意义的研究课题。

1。2  模拟电路故障诊断现代方法的研究成果

纵观电路故障诊断理论的整个研究前进历程，可将那些已有的模拟电路故障诊断方法大致分为传统方法和现代方法两种。

模拟电路故障诊断的现代研究方法[8-10]主要包括专家系统、模糊理论、神经网络和小波变换等几个常用方法。以下分别针对如今使用最广的几种人工智能诊断方法进行简单初步的概述。

1) 神经网络故障诊断方法

人工神经网络（Artificial Neural Network，ANN）简称神经网络。该方法是建立在现代神经科学基础上构造成的一种抽象数学模型，也是对人脑的一种功能模拟[11]。经过十多年的不断研究发展，人工神经网络发展成为了具有数十种网络的技术，其中包括多层感知器、Hopfield 网络、ART 网络、自适应共振理论、概率神经网络、RBF 网络等诸多网络方法。这些网络因为其各自的构成结构不同，所以其运用范围也不尽相同。神经网络早在80 年代末期就已普遍开始运用于各种模拟电路故障诊断。神经网络方法伴随着人工神经网络理论技术研究的不断成熟发展以及该方法的大量实际运用已成为了一种新的发展趋势。在已被研究提出的人工神经网络的数十种方法中，常应用于电路故障诊断的神经网络主要有BP 神经网络、SVM 神经网络、RBF 神经网络以及ART 神经网络等。其中BP网络作为其中诸多方法当中的一种，由于其具备较好的模式分类能力，特别是在电路故障诊断这一领域范畴中更为适用。所以它被普遍的应用于电路故障诊断中具有极为远大的运用前景，同时也是当前模拟电路故障诊断研究中用得最多且最为高效的一种神经网络方法。论文网

2) 小波分析诊断方法

小波变换分析法作为一种时-频分析方法，能够通过对信号的分解提取出可以充分表征模拟电路的特征信息构成研究所需的特征向量，并以此来完成对电路的故障诊断与分类【12】。小波分析法能够经过对故障信息的一定处理来以防其信息量可能出现不足的情况，并达到简化整体网络结构的目的。而且小波变换分析法可以不需要具体的数学模型，但仍然具有良好的灵敏性，少量的计算和较强的噪声的抑制能力。然而小波变换分析法常常会因为电路的时域宽度过大而发生时间延迟的现象，而且不同的小波函数选择也会对检测结果造成一定程度的影响。因为小波变换分析的诸多优点，电路故障检测常常会选择小波变换分析法来进行特征向量的提取，并通过这些向量信息实现电路故障的诊断和分类。

3) 模糊故障诊断方法

模糊故障诊断方法主要思想是采用模糊关系矩阵和合适的隶属函数，根据探索电路故障和征兆的模糊相关关系来确定模拟电路中设备运行状态以及故障与征兆的不确定关系，从而完成模拟电路故障的检测与分类。同时，当前研究发展过程中，模糊理论与神经网络相结合使用也是模拟电路的故障诊断范畴的一个重要研究发展方向。

相对于传统的经典诊断方法而言，模拟电路故障诊断的现代诊断方法具有更多的优势，也具有更加广泛的适用性，是一种对实现电路检测的有效实施方法。

1。3  模拟电路故障诊断理论的未来发展方向及趋势