文怡婷，严太山，李文彬

（湖南理工学院信息科学与工程学院，岳阳414006）

0 引言

模拟电路是用来对模拟信号进行传输、变换和处理的电路，它是电子电路的基础。相对于数字电路来说，模拟电路出现的故障率较高，而且故障信息呈现噪声高、特征多、非线性的特征，使得模拟电路故障不易诊断，成为电路研究中的热门领域，已有不少学者投入到模拟电路故障诊断的研究中，提出了诸多有价值的模拟电路故障诊断方法。其中，常规的故障诊断方法如故障字典法、参数识别法、网络撕裂法等，由于其局限性已不再适用[1-6]。

神经网络技术的兴起，为解决故障诊断问题提供了一条新的途径。神经网络系统具有强大的I/O 非线性映射、信息分布存储和并行处理功能，特别是其高度的自组织和自学习能力，使其为模拟电路诊断提供了全新的理论方法和实现手段[7-12]。在各种神经网络中，RBF 神经网络是一种性能良好的三层前馈神经网络，已经证明它具有较好的全局逼近的性质，能够逼近任意的非线性函数，并有较快的学习收敛速度，能被广泛应用于各个领域，尤其适用于故障诊断。因此，研究RBF 神经网络在模拟电路故障诊断中的应用有着重要的理论及现实意义[13-14]。

1 基于RBF神经网络的模拟电路故障诊断系统结构

使用RBF 神经网络实现模拟电路故障诊断的一般方法是：①获取样本集，针对电路常见的各种故障状态及正常状态，利用PSpice 工具收集对应的参数值，通过数据预处理，得到RBF 神经网络的学习样本集和检测样本集。……