摘要：本文针对传统神经网络没有充分利用模拟电路故障数据的时序特点，导致诊断效果不佳，提出了双向长短时记忆网络(Bi-LSTM)结合柔性最大值分类器(SOFTMAX)的诊断方法。通过构建Bi-LSTM+SOFTMAX的深度学习框架,结合dropout技术完成模型参数学习。在研究中对不同故障模式进行仿真实验,并将采样数据应用于不同神经网络算法搭建的模型进行对比。结果表明，以AUC值,最高准确率,平均准确率等为诊断效果评价指标，本文所提方法优于其他几类神经网络。

关键词：故障诊断；深度学习；Bi-LSTM