模拟电路的固有特点使其故障诊断较数字电路困难。相对于BP网络，RBF神经网络具有最佳逼近性能且收敛快、无局部极小，可引入解决上述困难。根据具体电路，定义故障，选定测试点，确定网络结构，用Pspice获得训练样本，经过训练得到RBF网络。网络的输入为从测试点得到的输入向量，输出为对应的故障。为了验证网络的泛化性能，对每种训练情况在元件容差为5%均匀分布的情况下，对非故障元件做蒙特卡罗分析，得到验证样本。测试结果，诊断准确率为86.6%，从而验证了这种诊断的有效性。