免疫系统由于其独特的功能特性，引起了人们强烈的研究兴趣。近年来，人们对其特性和机理进行了深入的研究，并将其应用于多种工程实践，以解决传统的聚类或分类算法难以解决的问题。阴性选择算法和阳性选择算法一直是单样本分类领域的研究前沿，特别是在计算机数据的异常检测，大型复杂装备无故障样本情况下的状态检测等领域，已得到了很多应用。基于对阴性选择算法和阳性选择算法机理的重新考察和认识，本文提出了基于可变阈值信息检测器(variable threshold information detector, VTI-detector)的阳性选择算法和基于反面势场群体检测器(Negative potential field group detectors, NPFG-detectors)的阴性选择算法，并将这两种异常检测方法成功地应用于轴承故障的异常状态检测。该研究对阴性选择算法和阳性选择算法的发展具有重要的科学意义，对其它工程领域的状态检测也具有广泛的应用前景。在异常度检测中广泛应用的阴性选择算法与阳性选择算法，在描述计算机数据或设备的正常或异常状态方面发挥了重要的作用。然而，当前的阴性选择和阳性选择算法在自己-非己划分方式和亲和度评价方式上仍然存在着局限性，为此，本文首先提出了基于可变阈值信息检测器(VTI-detector)的自己-非己空间划分方式和基于分散增量理论的亲和度表达和评价方式，使检测器自己空间阈值半径能够表达自己样本分布的密度信息。所采用的用于蛋白质序列测定的分散增量理论也给出了亲和度自己-非己评价的合理表达方式。其次，本文还利用数据的势场分布机理提出了反面势场阴性选择算法，实现了对非己空间的概率划分，摆脱了现有单样本阈值划分方法的局限性，具有良好的空间自适应性。通过仿真和实例对比，验证了其有效性。人工免疫识别系统(AIRS)的出现为基于人工免疫系统的免疫分类提供了一种重要依据。但是，AIRS算法是以固定权值记忆细胞为前提的，在分析具体的分类问题时存在偏向效应的缺陷。为此，本文提出了可变权人工免疫识别系统(V-AIRS)，利用二次规划作用对每一个记忆细胞的权值进行优化并删除权值较小的记忆细胞，最后利用合并变异作用进一步减少记忆细胞的数目。以常用的四种UCI数据集为分类对象，揭示了V-AIRS算法中记忆细胞的数目和分类准确率随系统参数的变化过程。另外，通过对轴承故障数据集的分类结果表明所提出的分类方法能够准确的对轴承故障进行分类。阴性选择算法与阳性选择算法虽然能够准确形象地描述设备的异常与异常度信息，但却不能描述设备的故障信息，而V-AIRS分类算法虽然能够准确地对设备故障进行分类，但却不能描述设备的异常和异常度。为了弥补两者各自的不足，本文结合人体免疫系统的抗原识别流程，应用异常度检测和故障诊断相融合的方法，提出了设备故障的快速诊断方案，并揭示了设备故障隶属度的概念。通过对滚动轴承振动信号的实例分析，进一步验证了所提出融合方法的有效性。