故障诊断是通过从故障征兆空间到故障空间的映射,实现对故障的识别和诊断。然而,复杂系统经常处在动态变化的过程中,其行为特点不好把握,各种故障的发生具有很强的不确定性,所有这些都为有效地获取、表示和利用诊断知识进行智能化推理带来了很大的困难。独特型网络理论指出:免疫网络模型中的各个细胞、分子不是处在一种孤立的状态,而是通过自我识别、相互刺激和相互制约构成了一个动态平衡的网络结构,这和大型机电设备结点之间的相互影响是完全相似的,因此通过这种动态免疫网络的研究,可望产生更有效的设备故障诊断方法。随着目前大型设备的日益复杂,传感器结点之间的数据是动态互相影响的,如果仅靠从知识库中去寻找最佳匹配来诊断故障,很容易发生漏诊或误诊。目前人工免疫算法中的相似和浓度的定义存在一些问题,例如:利用信息熵的方法计算亲和力和浓度有一些缺陷,同时在抗体评价方面,如果仅以抗体亲合度作为评价标准,不能体现抗原对抗体的影响程度,采用通常的抗体浓度定义,又不能得到抗体亲合度的信息。为此本文根据Jerne的独特型网络理论提出了一个简单、通用性好,又能通过模型的动力学行为综合反映网络细胞(抗体和抗原)的浓度、相似度信息,以提高免疫算法的全局搜索能力的模型,并利用案例检索的优势,考虑了机电设备传感器结点之间相互影响的特性。实验证明,该模型在加快免疫算法在后期的收敛速度和提高故障检测率方面均高于其他算法。本文研究工作的核心是基于独特型免疫网络的故障诊断系统的设计及其在故障诊断中的应用。首先简单介绍了生物免疫系统的一些基本概念、工作原理、生物免疫系统的一些重要机制和生物免疫网络,对故障诊断技术及电机设备故障诊断原理进行了总结。接着介绍了人工免疫网络当前的研究及应用状况,并对一些经典的免疫网络模型的基本结构和算法流程进行了研究和分析。最后基于这些工作提出了一个基于独特型免疫网络原理的故障诊断模型,并利用改进的抗原、记忆抗体在形态空间的表现形式和简化的抗体刺激度及抗体浓度计算公式以及改进的亲和力计算公式进行训练。通过仿真实验,研究了该免疫模型的性能及其在电机故障诊断中的有效性。