复杂装备系统状态监测及故障诊断存在故障先验知识缺乏、状态监测依赖于参数阈值的设定以及监测与诊断分离等问题。根据生物免疫系统智能机理发展起来的人工免疫系统为解决上述问题提供了新思路。本论文围绕人工免疫系统反面选择算法中的核心问题——检测器生成过程中存在“孔洞”和冗余的情况，提出了超环检测器及广义超环检测器等概念，研究了建立在超环检测器及广义超环检测器基础上的设备异常监测方法。提出了基于抗原-抗体免疫识别机理的模式识别方法，继而建立了异常状态监测与故障诊断一体化的快速反应机制。针对人工免疫系统反面选择算法所存在的主要问题，提出了超环检测器新概念，解决了设备异常状态监测过程中设备异常等级及异常度的描述问题，为设备异常度监测提供了一种新方法。针对所提出的超环检测器，分析了超环检测器产生的策略，提出了基于aiNet免疫网络的约简记忆中心超环检测器构造方法，有效解决了传统检测器“孔洞”与冗余的突出矛盾，提高了异常监测速度和效率，同时实现了设备异常等级监测，通过标准数据和轴承监测实例，验证了方法的可行性及有效性。依据超环检测器概念及支持向量数据描述方法，提出了进一步提高设备异常度监测效率的广义超环检测器概念，提出了广义超环检测器构造方法及异常度监测方法，研究成果经过了标准数据及轴承故障数据检验。针对复杂设备状态监测与故障诊断分离的问题，根据所构建的广义超环检测器将非己空间划分成具有不同异常等级的异常子空间，为了将异常子空间与故障子空间产生联系，实现状态监测与故障诊断一体化，提出了抗原-抗体免疫识别机理模式识别方法，通过UCI国际标准数据库中的Iris鸢尾花数据与Wine数据验证了模式识别方法的有效性，准确的模式识别方法为监测与诊断的快速联系提供了保障。