随着现代工业及科学技术的迅速发展,设备的安全性、可靠性和有效性变得越来越重要和突出,传统的故障诊断技术已不能满足需求,而人工神经网络(Artificial Neural Network,ANN)的迅速发展为故障诊断领域开辟了一条新的途径。但是针对具体问题来设计神经网络是一个很复杂的问题,网络的结构(隐含层数和各层神经元个数)、各层的激活函数和学习训练方法等往往需要根据设计者的经验和多次实验来确定,这样导致得到的神经网络并不是最优的,影响了故障诊断的性能。免疫算法(Immune Algorithm, IA)作为一种抽取和反映生物机体免疫系统特点的优化算法。它通过对抗体交叉、变异的进化操作和基于抗体浓度的调节操作,使抗体不断优化,从而找到最佳抗体。本文运用ANN的方法对水质监测系统进行故障诊断,并且引入免疫算法来优化神经网络,更好的满足实际应用需要,提高故障诊断水平。本文对水质监测系统的水质参数测量原理进行分析,建立了水质故障诊断的动态模型。选用反向传播(Back Propagation,BP)网络进行水质监测系统的故障诊断。提出用免疫算法优化BP网络,将网络结构、激活函数和训练方法等编码作为个体,进行免疫操作,得到最优或次优解,克服了网络结构、激活函数和训练方法的确定没有可循规则的弊端。以PC机和PCI9112数据采集卡为硬件基础,虚拟仪器Labwindows/CVI为软件开发平台,采用在Labwindows/CVI环境下调用Matlab程序的方式实现免疫算法优化BP网络的软件设计,完成水质监测系统故障诊断的界面,功能包括神经网络离线训练学习和在线故障诊断。最后对免疫算法优化的神经网络和经验得到的神经网络进行性能比较和分析。结果表明,在收敛速度和最小均方误差方面均优于经验得到的神经网络。