近年來(lái)，隨著數(shù)模混合電路規(guī)模和復(fù)雜性的增加，特別是在航空、航天、軍事國(guó)防等應(yīng)用領(lǐng)域，其可靠性受到越來(lái)越多的關(guān)注。故障診斷作為維護(hù)電路可靠性的重要手段，成為了研究熱點(diǎn)。BP（ Back Propagation）神經(jīng)網(wǎng)絡(luò)在數(shù)學(xué)理論上已證明具有實(shí)現(xiàn)絕大多數(shù)復(fù)雜非線性映射的功能，這使得它對(duì)診斷實(shí)際中建模困難的復(fù)雜系統(tǒng)，特別是大規(guī)?；旌想娐?，具有獨(dú)特優(yōu)勢(shì)。

　　傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)的應(yīng)用是直接對(duì)整個(gè)電路建立BP網(wǎng)絡(luò)，建立該網(wǎng)絡(luò)的過(guò)程簡(jiǎn)單明了，適用于簡(jiǎn)單線性電路的故障診斷。在對(duì)大規(guī)模電路進(jìn)行分析時(shí)，所建立的網(wǎng)絡(luò)過(guò)大，易導(dǎo)致訓(xùn)練數(shù)據(jù)龐大、訓(xùn)練時(shí)間過(guò)長(zhǎng)、計(jì)算量大以及對(duì)故障傳播考慮欠缺等問(wèn)題，從而造成故障定位準(zhǔn)確率低。本文提出了基于故障傳播的模塊化BP神經(jīng)網(wǎng)絡(luò)（Modularized BP neural　network based on Fault Propagation，MBPFP）故降定位方法，對(duì)大規(guī)模電路進(jìn)行模塊劃分，分析并“分割”子電路模塊間的故障傳播關(guān)系，進(jìn)而利用基于電路仿真建立的模塊化異常檢測(cè)模型和BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行故障定位，使定位的準(zhǔn)確率得到明顯提升。