模拟电路多带有非线性,且电路元件参数广泛存在着容差,使得模拟电路故障诊断问题也成为了一个研究的难点。神经网络所具有得非线性逼近的特点,无疑为模拟电路故障诊断提供了一个新的方法和途径,但对于大规模的带有容差的模拟电路,神经网络还需要一些改良的方法来共同实现故障的诊断,作者就对基于交叉撕裂法的大规模模拟电路的故障诊断问题进行了研究。　　 论文首先阐述了故障诊断的发展历史及研究现状,联系本文研究的问题,概括了模拟电路故障诊断的发展历史,并分析了模拟电路故障诊断的研究现状,在此基础上提出了课题的研究内容,主要包括以下几方面:　　 (1)模拟电路故障诊断的技术。在对诊断的一般方法进行概述的基础上,主要对模拟电路故障诊断中的电路信号分析与采集、电路特征的提取、故障建模及故障诊断四大部分进行了研究。并介绍两种模拟电路故障诊断中常用的神经网络一BP神经网络和RBF神经网络。　　 (2)研究了基于BP神经网络的模拟电路故障诊断方法和基于RBF神经网络的模拟电路故障诊断方法,其中重点介绍了BP神经网络的改进和RBF神经网络中中心和权值的计算。并用两种方法分别对切比雪夫滤波电路的故障诊断进行了仿真研究,仿真结果验证了两种方法的可行性,并表明RBF神经网络在此类故障诊断中有更优越的性能。　　 (3)阐述了大规模模拟电路在故障诊断中所遇到的特殊问题,提出了撕裂法,具体对网络撕裂法、交叉撕裂搜索诊断法和逐级撕裂搜索法进行了分析,并提出了本文的基于撕裂法模拟电路故障诊断的设计方法。　　 (4)基于上述提出的方法,对音响放大电路进行了基于撕裂法基于神经网络的大规模模拟电路的故障诊断仿真,仿真结果表明论文中的方法是有效的。