本文针对核动力系统具有复杂、所积累的资料与故障样本少以及核动力系统旋转机械升降速过程信号信息量大、非平稳、信号特征重复再现性不佳等特点,引入人工免疫系统作为基本建模和识别工具,实现对设备振动模式变化的在线监测,提高设备的故障诊断率。后期进行的大量实验验证了此种模型的有效性、系统的鲁棒性、预报的实时性以及监控系统的稳定性。　　本论文研究了AIS基本原理、常用模型及相关实现算法;结合核动力系统的特性,系统地建立了AIS在核动力系统故障诊断中的响应模型;设计了基于AIS的核动力系统故障诊断系统,并对系统进行了测试,验证了系统的可行性。本文主要研究内容如下:　　第一章论述了故障诊断技术的国内外研究现状;简要介绍了AIS作为一种新兴智能方法,应用于核动力系统故障诊断的可行性;最后给出了本论文的主要研究内容,并给出了论文的总体框架。　　第二章综述了核动力装置故障诊断的研究现状,简单介绍了核动力系统常见设备及故障类型,为后面的故障诊断做铺垫。　　第三章对AIS的基本理论做了介绍,着重介绍了AIS的几种基本算法,为第四章的诊断算法做理论支持。　　第四章对基本AIS算法进行改进,提出了一种改进的克隆变异算法,并将其应用到核动力设备的故障诊断中,建立了基于该改进算法的故障诊断模型;另外,给出了此模型中一些关键参数的选取原则,同时给出了检测结果。　　第五章给出了实验方案并对第四章提出的方法进行了实验验证。　　第六章总结了全文的研究成果和创新之处,并对今后的工作提出了展望。　　本项研究对于促进核动力系统在线监测与故障诊断技术的进步,对于保证核动力系统安全可靠地运行、提高国防战斗力都具有重要的理论意义和实际应用价值。