随着现代工业生产日趋规模化、复杂化,使得在生产过程中设备故障的发生机率大大提高。为减少设备损耗和事故发生,对工业环境中的设备及系统实施有效的故障检测,已经是现代工业急需解决的首要问题。借鉴生物免疫机理的人工免疫系统属于数据驱动的人工智能方法,具有自学习、自适应、模式识别等智能特性,以及执行效率高、能够识别未知威胁等优势,已经被广泛应用到故障检测领域。然而,现有人工免疫系统所借鉴的生物免疫机理单一、不够完善,没有完全反映出生物免疫系统的自适应特性,导致在面对复杂多变的系统环境时故障检测的效果不佳,方法的适应性有待进一步的增强。免疫调节机制是免疫系统具有自适应能力的关键机制,存在于免疫响应过程的各个环节。本文通过引入免疫系统的多粒度免疫调节机制,借鉴其中的免疫调节思想和机理,从不同粒度的调节水平上增强人工免疫系统的自适应性,以此提高人工免疫系统在工业环境中的故障检测能力。因此,本文的主要研究工作包括:针对反向选择算法的动态性和漏洞覆盖问题,提出了一种基于miRNA（micro RNA）发育调节的反向选择故障检测方法——miNSA。在基因调节水平上,引入miRNA对T细胞的发育调节机制,从增殖调节、负向调节、TCR亲和力调节三个方面改进NS模型,将其映射为对成熟检测器数量和半径的调整。通过实时的误报和漏报判断,以及分析检测器与自我集对检测数据的空间覆盖情况,实现了检测器半径和数量的动态调节,从而提高了NSA算法在故障检测中的自适应性。通过在海底观测网的水下接驳盒上进行测试,miNSA在突变故障上的检测率和误报率都要优于NSA算法。针对树突状细胞算法的参数定义严重依赖人工经验,提出了一种基于细胞因子（cytokine,CK）反馈调节的树突状细胞故障检测方法——ckDCA。在分子调节水平上,引入细胞因子对DC抗原提呈的反馈调节机制,从DC成熟分化调节、迁移能力调节两个方面改进原DC模型,将其映射为对人工DC模型中信号转换权值和迁移阈值的调整,并提出了细胞因子CK评价指标作为反馈调整的依据。通过判断CK的变化情况得到漏报和误报的变化趋势,实现信号转换权值和迁移阈值的动态调节。此外,在信号定义上,提出了一种基于变化系数排序的抗原信号自适应提取方法。通过在DAMADICS工业基准平台上进行测试,虽然ckDCA在突变故障和渐变故障上的检测率和误报率略优于DCA,但在渐变故障上ckDCA的检测速度更快。针对复杂系统环境下危险定义缺乏一般性和完备性,以及危险评价缺乏整体性和系统性,提出了一种基于T细胞应答调节的免疫平衡（Immune Homeostasis）故障检测方法——IHDC-FD。在危险定义上,借鉴免疫平衡思想,提出了变化危险感知方法,将系统失衡引起的变化认为是系统危险的外在表现,利用数值微分中的一阶微商来描述变化,采用二阶微商来判断一阶微商表示的变化是正常还是异常,实现抗原信号的自适应提取。在危险评价上,引入细胞水平的T细胞应答调节机制,提出了系统平衡评价方法及平衡指数（Homeostasis Index,HI）作为评价指标。采用对免疫应答平衡起调节作用的Th和Treg细胞浓度计算HI来反映系统的失衡程度,从整体上评价系统的健康状况。通过在TE工业基准平台上进行测试,IHDC-FD比原DCA和传统PCA具有更好的故障检测性能,尤其是在渐变类型的故障场景中表现为高检测率和低检测延时的特点。在以上工作的基础上,本文借鉴大规模系统监测的分层设计思想,构建了一个基于多粒度免疫调节的故障检测免疫体系,以解决大规模系统的故障检测问题。该体系由免疫实体和免疫决策中心组成,免疫实体采用DC抗原提呈和T淋巴细胞两种方式实现子系统的故障检测;免疫决策中心负责搜集、分析各免疫实体的上报信息,反馈调节免疫实体的运行参数,实现抗原检测的自适应,并利用共享的危险抗原训练生成T细胞检测器,使得各免疫实体能够快速检测出类似的危险抗原,达到群体免疫的目的。通过以上研究,本文提出的多粒度免疫调节方法进一步增强了人工免疫系统在故障检测中的适应性,实验证明在工业环境下具有更好的故障检测性能。