故障诊断是一门综合性技术，它涉及现代控制理论、信号处理与模式识别、计算机科学、人工智能、电子技术、统计数学等学科。随着人工智能的发展，基于人工智能的故障诊断技术也相应诞生，而基于人工神经网络和基于模糊理论的诊断方法是其中的一个重要分支。由于神经网络与模糊理论各有所长，将它们结合起来组成了模糊神经网络(FuzzyNeuralNetwork-FNN)技术。基于FNN的故障智能诊断技术将充分体现神经网络和模糊理论各自的优点，是一个具有前景的研究方向，并且其应用领域也越来越广。 FNN技术重要的有两个方面，一是其学习算法，二是其模型的建立。学习算法采用传统的基于梯度下降的BP算法，针对其收敛速度慢和局部极小等问题，现也出现了改进的BP算法，比较有代表性的是动态自适应BP算法及添加惯性冲量BP算法。本文基于这些算法进行研究并作了改进，通过仿真来说明改进后的算法的优越性。本文提出了一个FNN模型，并成功将该模型应用于电子线路的故障诊断。通过实例说明改进后的BP学习算法和FNN模型的可行性。试验结果表明改进后的BP学习算法完全可以达到要求并且诊断正确率也有提高。 本文的重点是改进BP学习算法研究和电子线路故障诊断的FNN模型的建立与验证。电子线路特别是模拟电路的故障诊断存在一定困难，将FNN应用于电子线路的诊断理论上来说是一种人工智能技术，它既有常规诊断装置直接测量被测对象信息和运行速度快的优点，又具有多种信息来源，且具有较高程度的推理能力和自我完善能力。这种智能型的故障诊断系统的性能将会达到新的水平。但此法刚刚处于起步阶段，亦不完善。由于本论文的主要方向是FNN算法的研究，故只用了一个简单的电子线路来论证本文改进的FNN模型和算法的可行性。并没有对电子线路的故障智能诊断方法进行深入的研究。