随着机械设备日趋大型化、复杂化、自动化,设备故障带来的危害愈加严重,使得设备故障诊断的作用越来越必要和重要,这就给故障诊断技术提出了更高的要求.现有的故障诊断方法虽然在实际应用中发挥了重要作用,但也存在很多问题,因此,还需要加强对新方法的研究,特别是基于生物智能的新方法研究.该文的研究目的在于通过对生物免疫系统智能机理的研究,探讨新的故障诊断方法.基于生物免疫机理发展的人工免疫系统提供了噪声忍耐、无教师学习、自组织、不需要反面例子,能明晰地表达学习的知识、具有内容可访记忆和能遗忘很少使用的信息等进化学习机理,结合了分类器、神经网络和机器推理等学习系统的一些优点,因此具有提供新颖的解决问题方法的潜力.该文系统地评述了人工免疫系统的国内外研究现状和发展前景,对当前的故障诊断技术展开了全面而又深入的分析;同时详细分析了生物免疫系统的基本工作原理,并总结出了发展人工免疫系统可以借鉴的主要机理.该文在分析Forrest的反面选择算法优缺点的基础上,结合设备异常检测的实际需要,研究了实值型反面选择算法,并研究这个反面选择算法与神经网络分类算法结合的方法.通过把这个方法应用于标准样本Iris数据和往复压缩机气阀断裂数据检测,取得了很好的效果,证明了这个方法的有效性.在分析生物免疫网络原理和人工免疫网络研究成果的基础上,本文通过分析Castro提出的aiNet网络,针对于故障诊断中的实际应用,对这个网络作了必要的改进,使之能更适合于对故障样本数据的处理.把这个改进的网络应用于压缩机气阀断裂数据的约减,采用实值反面选择算法对约减后的数据进行了处理,通过对比分析,证明这个改进后的网络在故障数据约减方面是非常有效的.最后,对于该章研究的反面选择算法和免疫网络算法,开发了故障诊断系统.