随着科学技术的发展,工业机组正在向大型化、高速化、复杂化方向发展,其发生故障的概率也在不断的增大。本文以机组故障为主要研究对象,以人工免疫与其他智能方法集成来提高故障的准确率为研究内容,结合人工免疫系统中的阴性选择算法和时域中的特征参量无量纲指标来进行故障诊断,通过遗传编程优化特征分类能力,研究依据人工免疫系统的阴性选择原理,构建出无量纲免疫检测器,提出采用多类无量纲免疫检测器进行集成诊断技术,为人工免疫系统在机组故障诊断技术的工业应用打下理论基础及提供技术支撑,以工业机组故障诊断领域实现智能化、高诊断准确率的目标。具体研究如下：针对现有的无量纲指标只对某些故障种类较为敏感,并且目前可供使用的无量纲指标数目有限,因此有必要针对机组构造出一些新的无量纲指标,来克服传统无量纲指标诊断能力上的不足以及数量上的不足,本文在对无量纲指标进行充分研究的基础上,提出了一种利用已有的无量纲指标和遗传编程结合进行新无量纲指标提取的方法,通过该方法最终获得了具有最优分类能力的新无量纲指标,并对其诊断效果进行了验证,实验结果表明,新无量纲指标比传统的无量纲指标具有更好的故障分类能力,能够对机组故障进行准确分类。针对无量纲指标免疫检测器的生成过程中因进行约简、聚类等分类处理而丢失部分有用故障特征信息的不足,并且每个无量纲指免疫检测器对不同故障的诊断能力不同,本文采用一种简单、快速、实用的集成诊断方法,将多个无量纲免疫检测器融合起来同时进行诊断,形成基于多类无量纲免疫检测器集成的机组故障诊断技术,从而有效弥补了上述不足,仿真结果表明,该方法具有较高的诊断准确率。通过本文的研究,尤其是对人工免疫系统在故障诊断问题中的深入探讨,本文基于多无量纲免疫检测器集成的工业机组智能故障诊断系统能够初步满足机组振动类信号的监测与诊断需求,为今后进一步的研究打下了坚实的基础,同时也发掘出了一些新的研究问题和研究思路。