旋转机械广泛应用于工业领域，其主要由转子、支撑转子的轴承系统、定子或机器壳体、联轴器等部件构成，通过旋转运动来完成工作。旋转机械作为一些工业部门的关键核心设各，企业的生产将直接受到这些设备运行状况优劣的影响，如果发生故障停机，将带来巨大的经济损失和严重的甚至灾难性的后果。故障诊断技术，即了解机械的运行状态，预测萁可靠性，识别机械故障的部位、原因、危险程度等，并预报其发展趋势，最后针对诊断情况指导实施维护的技术，其目的是为了减少故障发生带来的损失。随着科技的发展，机械设备的复杂程度越来越高，并发故障己成为故障诊断的常见问题，而且并发故障具有的复杂性、层次性、相关性、不确定性等特点，给正确诊断并发故障带来了很大困难。本文即针对这一问题，将人工免疫与证据理论集成，构建了并发故障诊断模型，通过实验验证，该模型可以有效的实现对并发故障的诊断。　　 受生物免疫系统的启发发展而来的人工免疫系统，为故障诊断带来了新的思路。其中由生物免疫系统“自己”一“非己”识别机理衍生得到的阴性选择算法，使得人工免疫系统应用于故障诊断中可以有效的识别机械设备的工作状态。结合无量纲指标不受载荷、工况、转速等工作条件影响的优势，构建多无量纲免疫检测器，利用这些无量纲免疫检测器可以使从传感器获取的机械设各的振动信号分析处理为各无量纲指标范围，作为各种故障的特征信息进行后续的分析判断。证据理论在量测和组台、不确定性的表示方面的优势使得许多学者将它引入并发故障诊断中来。用证据理论对人工免疫系统的无量纲免疫检测器得到的故障特征信息进行融合来实现对故障的最终判定，这就是本文提出的人工免疫与证据理论集成应用于旋转机械故障诊断的思路。　　 本文在实验过程中应用了优化的无量纲指标，这些新的无量纲指标是利用遗传算法优化得到的，较好的解决了原有无量纲指标只对部分故障敏感的缺陷。并对证据理论进行了扩展，充分考虑了不同指标对不同故障的诊断能力、敏感程度不同的特性，采用加权证据理论的方式对故障特征信息进行融合，从而提高了诊断的可靠性和灵敏度。实验验证，人工免疫和证据理论集成的方法对于旋转机械并发故障的诊断切实可行。