直升机状态与使用监测系统（HUMS）是近年来直升机领域备受重视的技术，对于提高直升机的安全性、可靠性以及降低维护成本起着重要的作用。旋翼系统作为直升机的升力和操纵机构，对直升机的飞行安全起着至关重要的作用，也是直升机HUMS技术研究的主要对象之一。建立高效的旋翼系统故障诊断模型是对直升机HUMS系统的重要发展和完善。然而旋翼系统的特殊性导致其故障监测的难度极大，很难直接对旋翼进行故障监测。利用机体振动信号诊断旋翼故障为旋翼系统的故障诊断开辟了新的途径。本文探索通过机体振动信号对直升机旋翼系统多种不平衡故障进行诊断，利用较为新颖且在直升机故障诊断领域鲜有涉及的盲源分离技术结合人工免疫系统，建立起新的直升机旋翼不平衡故障诊断模型。本文的具体内容如下：（1）通过仿真实验证明盲源分离技术在分离多重信号混合以及除噪方面的可行性和优势。分别对欠定和非欠定情况下的盲源分离进行对比实验，并且利用加入虚拟噪声的方法检验盲源分离技术的降噪效果，利用性能指标对两种算法进行对比。（2）对旋翼不平衡单一和复合故障进行独立分量分析（ICA）估计基的直接特征提取，分别用特征矩阵的联合近似对角化法（JADE和基于负熵的ICA固定点算法（fastICA）两种盲源分离技术最为常用的方法进行比较。（3）在提取特征后，先利用故障诊断方面较为成熟的BP神经网络分别对旋翼单一故障、复合故障和故障程度进行模式识别，经测试，均得到较高的诊断准确率。说明特征提取的优良性。然后建立基于人工免疫系统的诊断模型，和BP神经网络进行对比，证明其具有较高的诊断效果。