在實際應用中，大多數電路是模數混合系統，既有模擬信號，又有數字信號。模、數混合系統是板極電路診斷中的難點。

根據板極電路的類型可將故障診斷分為兩類：數字系統的故障診斷和模擬系統故障診斷。數字系統故障診斷的基本思想是在輸入端加載激勵信號，在輸出端得到響應，根據激勵和響應的組合關系以及電路的拓撲關系確定故障點。其關鍵是測試向量的生成，即在輸入端加載什么樣的激勵信號，才能使電路內部的故障點反應出來。模擬系統由于自身的特點，使得其故障診斷比數字系統更復雜。模擬信號量是連續的，任何一個元件的參數超過其容差時就屬故障，因此模擬電路的故障狀態是無限的。
 
　　一、板極電路故障診斷技術的發展
　　自從60年代美國開始系統地開展故障診斷技術的研究以來，這一技術在世界各國正越來越受到重視。隨著系統可靠性、維修性理論和技術的發展，故障診斷已發展成為一門邊緣學科，它涉及系統論、控制論、信息論、檢測與估計理論、計算機科學等多方面的內容。
　　早期的數字系統故障診斷主要用于功能測試。Eldred在1959年提出了第一篇關于組合電路的測試報告，開始了數字系統故障診斷的研究。D.B.Armstrong根據Eldred的基本思想，在1966年提出了一維通路敏化的方法，其主要思路是對多級門電路尋找一條從故障點到可及輸出端的敏化通路，使在可及端可以觀察到故障信號。1967年Schneidr用例子指出單通路敏化法并不能找出所有的故障。同年Roth提出了多通路敏化法的D算法，從理論上解決了組合邏輯電路的測試問題。由于D算法也存在某些不足，Goel提出了PODEM算法，Fujiwara提出一種面向扇出的測試生成算法-FAN算法。此外，Seller等提出的布爾差分法和Thayse提出的布爾微分法，使通路敏化的理論得到了系統化。隨著系統和電路規模的增大，Archambeau等提出的偽窮舉法，為窮舉法用以解決大型組合電路的測試開拓了新的途徑。另外，我國學者魏道政提出的主通路敏化法，梁業偉提出的全通路圖法等等，也均有其各自的優點。
　　模擬系統的測試與診斷自60年代開始以來，進展一直比較緩慢。最早發表這方面文章的是S.D.Bedrosiam。它變成活躍的領域即是在70年代，P.DUhamet和F.C.Rault總結了這一時期的研究成果。模擬電路的測試與診斷發展緩慢，其原因主要有：一是模擬系統的集成度較低，規模較小，采用人工測試和修理可以滿足實際需要；另一個原因是模擬電路的測試與診斷遠比數字系統困難，無論理論上還是測試方法上均未完全成熟，可付諸使用的還比較少。
 
　　二、數字系統故障診斷技術
　　目前，獲取數字系統測試集的方法主要有非確定性測試生成和確定性測試生成。非確定性生成算法是指人工測試生成，即由測試人員根據對被測系統功能的了解，并結合實際測試經驗，產生檢測被測系統故障的測試集，也包括隨機測試生成，即用軟件方法產生偽隨機數，通過故障仿真對偽隨機碼進行篩選，以產生故障覆蓋率較高的測試集。確定性測試生成是采用測試生成算法自動推導數字電路的測試矢量。D算法和布爾差分法是廣泛使用的確定性算法，它們經過多年的使用和改進，已被分別發展為九值算法和主通路敏化法。
　　布爾差分法通過處理電路方程來生成測試。對多固定型故障，可采用Messon等人提出的多階布爾差分法來求解。至于用更高階布爾差分來法來對更多重故障進行測試，可由二階布爾差分推廣得出。布爾差分法結構嚴謹，有很高的理論研究價值。但是將其用于大型電路時，占用內存空間較大，速度較慢。主通路敏化法從布爾差分法發展而來，吸收了布爾差分法和D算法的優點，計算速度較快，適合于以功能塊為基本單元的組合電路和時序電路。
　　其它測試方法大多以D算法和布爾差分法為基礎發展而來。PODEM算法以D算法為基礎，將D算法和求解NP問題常用的界限法相結合，減少回溯次數，避免了許多盲目的測試。
　　FAN算法是在PODEM算法基礎上產生的，FAN算法將PODEM算法的沿單路徑反向跟蹤，擴展為多路徑反向跟蹤，縮短了回溯之間的處理時間，其速度比PODEM算法快。
 
　　三、模擬電路故障診斷技術
　　模擬電路故障診斷技術依據電路仿真是在實際測試前還是后，可分為測前模擬診斷和測后模擬診斷，模擬診斷的主要計算工作集中在對電路作仿真上。如以人工智能新理論的出現為界線，也可分為經典常規的診斷方法與現代模擬電路故障診斷兩類方法。
　　經典常規方法主要包括：故障字典法、元件參數辨識法和故障驗證法。元件參數辨識法和故障驗證法屬于測后模擬診斷法。元件參數辨識法要求提供較多的診斷有用信息，總的計算量非常大。故障驗證法是在獲取“不完整”的有限故障信息基礎上作診斷，實施比較方便，根據預測故障的范圍，故障驗證法可分為K故障診斷法，故障界定位法和網絡撕裂法等。測前模擬診斷的典型方法是故障字典法，它是目前模擬電路故障診斷中最具有實用價值的方法。根據激勵源的性質和所取故障特征的差異，故障字典法可分為直流故障字典（特征是測試端的直流電壓或電流向量）和交流（頻域）故障字典（特征是測試端的頻域響應）。
　　神經網絡故障字典法把模擬電路的故障診斷看成是一個分類問題，利用神經網絡的分類功能來診斷故障。在測前把神經網絡訓練成一部故障字典，字典的信息蘊含在網絡的連接權值，只要輸入電路的測量特征，就可以從其輸出查出故障。目前神經網絡故障字典法中用到的神經網絡主要有SOM（Self-organizing Feature Map）和BP兩種神經網絡。SOM網絡適用于交流電路，能更有效的克服容差因素對故障定位的影響。一般同時采用兩種不同類型神經網絡相級聯建立故障診斷字典。
　　智能計算在神經網絡故障字典法中有著很好的應用前景：如采用遺傳算法對BP神經網絡的結構（隱層結點數）和具體參數進行優選，避免靠經驗確定這些參數的弊端，保證得到用于故障診斷的最優神經網絡；將小波分解和主元分析等方法應用于數據預處理技術和訓練樣本集的篩選過程中，可改善訓練速度和診斷精度。模糊集理論與神經網絡相結合而形成的模糊神經網絡，充分吸收各自的優點，更加符合實際電路模型，可提高故障診斷的對判幾率。
　　專家系統在模擬電路故障診斷中的典型應用是基于產生規則的系統，其基本的工作原理是：首先把專家知識及其診斷經驗用規則表示出來，形成故障診斷專家的知識庫，進而根據報警信息對知識庫進行推理，診斷出故障元件。其主要問題是知識的獲取的瓶頸問題、知識難以維護以及不能有效解決故障診斷中許多不確定因素等。一般應用中，均將其與本身具有信息處理特點的神經網絡相結合使用。
 
　　四、混合電路故障診斷技術
　　數模混合電路一般運用離散事件系統DES（Diescrete Event System）方法進行診斷。一個被檢測的數模混合電路G用DES理論進行建模如下 ：G=（∑,Q,δ）。其中，∑是電路系統的G的事件集合，Q是電路系統G的狀態集合，Q中的元素q描述各元件和模塊的狀態：正常或各故障狀態；？：∑*Q→2Q是系統的狀態轉移函數，表示當電路系統G處于q（q∈Q）時事件σ（σ∈∑）發生后電路模型可能進入的狀態集合，顯然？描述了診斷及其結果和故障狀態之間的關系。應用DES理論進行數模混合電路的故障診斷，有以下主要工作：
　　1、對電路系統G的可測試性進行判斷；
　　2、在測試要求T給定時，求取電路的最小測試集；
　　3、求取電路測試的故障覆蓋率。
　　這一方法的優點在于將對數字/模擬信號的測試統一在同一個數學模型下，不必因為電路中信號模型的不同而將被測電路按信號類型分開處理，尤其是當數字和模擬部分相互融合不能分塊時，在統一的框架下進行計算、判斷和處理就顯得更加重要了。
　　粗糙集理論是一種處理不完整性和不確定性問題的新型數學工具，不需提供問題所需處理的數據集合之外的任何先驗信息，因此對問題的不確定描述和處理比較客觀。將粗糙集理論應用于故障診斷研究領域，為在不完備征兆信息下的故障診斷提供了新思路。
　　多傳感器信息融合技術利用信息融合獨特的多維信息處理方式，為解決復雜系統故障診斷的不確定性問題提供了一條新的途徑。特別適合解決模擬電路故障診斷中常規的網絡撕裂法面臨電路前后元器件相互影響以至不能測準元器件的故障以及由于容差、非線性及元件參數相互影響而出現的診斷不確定性問題。主要的信息融合故障診斷方法有：Bayes概率推導法、模糊信息融合法、D-S（Dempster-Shafer）證據推理法及神經網絡信息融合法。
 
　　五、板級電路故障診斷技術發展趨勢
　　板級電路的故障診斷技術是目前比較活躍的科研領域，它對于保證電子系統工作的可靠性、長期穩定性有十分重要的意義。目前，板級電路故障診斷技術的發展有以下幾個重要方面：
　　1、以網絡為基礎的并行與分布式仿真技術是研究大規模復雜系統的有效方法，已成為近年來故障仿真研究中的熱點問題。如基于分支的仿真運行方法，各個分支共享決策點之前的計算量，避免或減少了仿真中的重復計算，增加仿真的并行度，提高了仿真的執行效率和速度。電路仿真方程的求解容易出現不收斂或收斂于局部最優的情況，由于蟻群算法具有正反饋、分布式計算、易于與某種啟發式算法相結合的特點，引入蟻群算法求解可以減少計算時間，發現最優解。
　　2、針對大型數模混合電路的故障診斷還是一個很年輕的領域，隨著電子技術的迅猛發展，電路系統的復雜度急劇增加，目前約有60%的芯片同時含有數字和模擬兩種信號，因此，研究新型的數模電路測試信息處理技術和故障診斷方法，引入新的診斷模型，提高數模混合電路故障診斷的精度以及建立診斷模型的自動化程度，成為板極電路故障診斷的一個非常重要的課題。
　　盡管在理論方面還有很長的路要走，市場上目前也出現了很多診斷板級電路故障的測試儀器，這些儀器系統大都綜合運用了故障字典、參數判別、D算法、DES理論、模糊理論、神經網絡等技術，如北京航天測控技術開發公司的HTEDS8000、科奇儀器的TCT3000VXI。
　　3、目前，在板級電路故障診斷時，施加或獲取信號的主要方法是使用針床或人工使用探針，探測電路內部節點的電信號，然后根據這些信息進行故障定位。隨著電路板逐漸向小型化、密集化、多層化的方向發展，接觸式診斷的弱點越發明顯，對電路板的非介入式診斷技術的研究受到了高度重視。
　　紅外熱像診斷利用紅外熱像儀測得的電路板表面溫度信息進行故障診斷是典型的非接觸式診斷技術之一。其基本思想為：紅外熱像儀通過檢測器件的紅外輻射，間接獲取電路板的熱模式。當電路板上一個或幾個元件發生故障時，會導致電路板熱模式的變化。紅外熱像診斷儀即可根據被測電路板熱模式和已知正常狀態下電路板的熱模式之間的差異來對電路板故障狀態做出診斷。但是由于存在電路板表面輻射率差異、測試環境影響等因素，易導致采集到的特征向量出現變形。復雜電路板元件數量多，最終構成的特征向量十分龐大，也對后續的分類、定位等產生一系列問題。因此如何對特征向量進行提取與選擇以及如何降低其維數，將成為今后的研究方向。
　　噪聲也是導致大多數電子器件失效的各種潛在缺陷的敏感反映。因此利用噪聲檢測技術進行故障診斷，有著靈敏、快速和非破壞性的優點，但其準確率和噪聲來源多樣化造成的精確度等還有待進一步深入研究。另外，將磁場映像技術應用到故障診斷中，即根據電路板附近磁場分布變化對電路板進行故障診斷的技術稱為基于磁場映像的PCB故障診斷技術也將是非接觸式測試診斷技術的發展方向之一。
　　4、神經網絡技術已廣泛用于板級電路故障診斷。一個值得重視的現象是神經網絡與專家系統、模糊控制、遺傳算法、小波分析、經驗模式分解（Empirical Model Decomposition，簡稱EMD）等技術相結合應用于電路板的故障診斷研究。如“模糊神經網絡”用于板級電路的故障診斷，經驗模式分解方法和神經網絡理論結合，以經驗模式分解為預處理器提取特征參數作為神經網絡訓練數據，可提高故障識別率。小波分析與神經網絡結合形成“小波神經網絡”或“小波網絡”，小波神經網絡由于把神經網絡的自學習特性和小波的局部特性結合起來，具有自適應分辨性和良好的容錯性，將其應用于板極電路故障診斷是一個很有前途的研究方向。