设备故障诊断技术，其实质是了解和掌握设备在运行过程中的状态；预测设备的可靠性；确定其整体或局部是正常或异常；早期发现故障，并对其原因、部位、危险程度等进行识别和评价；预报故障的发展趋势，并针对具体情况做出实施维护决策的技术。免疫系统是一种复杂的分布式信息处理学习系统，这种系统具有免疫防护、免疫耐受、免疫记忆、免疫监视功能，尤其具有较强的自适应性、多样性、学习、识别和记忆等特点。这些功能和特点的结合促成了各种基于免疫机理的人工免疫智能方法，解决了大量的非线性科学问题。免疫系统信息处理机制在故障诊断方面的应用具有重要的理论意义和实用价值。本文所做的主要工作如下(1)借助遗传算法中变异的机制，对能检测出异常变化的阴性选择算法作了新改进。试验结果表明了新改进的算法在基本能覆盖自己空间范围的前提下，计算复杂度明显下降的同时对异常检测的有效性大大提高。(2)将人工免疫系统的克隆选择原理结合思维进化思想，设计了一种人工免疫进化计算模型。该模型中利用克隆选择原理对故障进行模式学习和识别，利用思维进化思想定义了免疫趋同算子和免疫异化算子来对抗体进行扩增和抑制。将其应用在模拟机组的状态识别，试验结果表明，所提出的模型对状态检测有较高的有效性。(3)基于克隆选择原理和K-Nearest Neighbor分类法按照免疫疫苗、免疫学习和免疫应答三个过程设计了能生成有效检测器的故障检测算法。试验结果表明了该算法产生的检测器能以较高的准确率来检测故障。