人工免疫系统在智能故障诊断技术中的应用研究 覃爱淞 1,2，张清华 1，胡勤 1,3，李铁鹰 2 （1.广东石油化工学院计算机与电子信息学院，广东茂名 525000；2.太原理工大学信息工程学院，太原 030024； 3.广东 工业大学自动化学院 广州 510006） 摘要：在研究了大量相关文献的基础上，综述了近几年来国内外对基于人工免疫系统的故障诊断技术的研究现状及人工 免疫与其他智能技术融合的研究概况，最后讨论了基于人工免疫系统的故障诊断技术进一步研究的方向。 关键字：故障诊断；人工免疫系统；阴性选择算法；混合故障诊断方法 Applied research of artificial immune system in intelligent fault diagnosis technology QIN Ai-song1,2，ZHANG Qing-hua2，LI Tie-ying1，HU Qin2,3 （1.College of Information Engineering,Taiyuan University of Technology，Taiyuan 030024,China；2. College of Computer and Electronic Information，Guangdong University of Petrochemical Technology，Maoming 525000，China；3.School of Automation, Guangdong University of Technology， Guangzhou 510006,China） Abstract: Based on investigating a good deal of relevant literatures, the inland and overseas state-of-the art and practice of the fault diagnosis based on artificial immune system in recent years are summarized firstly. Secondly the research situation after combined artificial immune system with other intelligent fault diagnosis technique is overviewed. Finally, the farther study of fault diagnosis based on artificial immune system are looked forward. Key words: fault diagnosis; artificial immune system; negative selection algorithm; the hybrid fault diagnosis technique 0 引言 随着工业生产的连续化、高速化、系统化、自动化和企业管理的网络化，工业大型成套关键设备对诊 断系统的实时性、在线性和准确性提出了越来越高的要求，传统的故障诊断技术难以满足复杂系统的故障 诊断要求，因此以智能信息处理技术为核心的智能故障诊断技术得到越来越多的重视和应用。至今已有许 多智能故障诊断技术，如专家系统、模糊逻辑、神经网络、遗传算法等。受自然免疫系统启示的人工免疫 系统，是另一种智能故障诊断技术。人工免疫系统是对生物免疫系统的模拟，具有极其强大的信息处理能 力，它通过学习外界物质的自然防御机理的学习技术，提供噪声忍耐、自学习、自组织、记忆等进化学习 机理，结合了分类器、神经网络和机器推理等系统的一些优点[1]，为故障诊断的研究提供了新思想和新方 法[2-4]。下面详细论述了人工免疫系统在故障诊断领域的国内外研究现状和发展趋势。 1 单一人工免疫系统的故障诊断技术 Ishida[5]在 1990 年提出一种分布式免疫网诊断模型并成功解决传感器网络故障诊断问题；Dasgupta[6] 将基于免疫的故障检测系统与智能航天器控制系统相结合用于航天器的故障检测，该方法能够提高现有智 能航天控制器的容错性能；Kayama[7]提出了基于人工免疫网络理论的故障诊断方法，并用于诊断控制系统 [8]将人工免疫网络用于对 UPS 系统的在线故障诊断，发现此方法特别适合于 中传感器故障问题；Uchikawa 大型的、复杂的反馈控制系统中的故障诊断；Guan Chun Luch[9]等研究了一种基于免疫模型的故障诊断方 法等；汤红诚等[10]提出一种改进的阴性选择方法对异步电动机的故障诊断进行了分析，该方法为实数编码、 采用欧氏距离来判断匹配，解决了传统阴性选择算法的不能辨认故障的种类缺点；邵继业[11]提出了基于阴 性选择算法的压缩机气阀故障诊断方法，在算法中结合克隆和变异原理，使得检测器能更好地覆盖异常空 间，通过实验说明该算法比普通的反面选择算法诊断效果更好；费嘉祺等[12]提出了一种基于人工免疫的故 障诊断进化学习模型及其相应的算法，应用于机床齿轮箱故障检测和诊断，获得了较强的故障诊断能力； 韩中合等[13]将人工免疫算法的负向选择原理应用于汽轮机转子振动故障诊断中，并通过转子实验台取得的 振动数据验证了算法的有效性；张春良等[14]提出了基于改进阴性选择算法的核动力设备故障诊断方法，基 于自我与非我的识别，各个检测器互相独立，不仅能够较好地识别出各种故障，而且能够方便地添加新的 

故障类型；林圣等[15]首次将阴性选择算法应用于输电线路故障类型识别中，通过改进传统的阴性选择算法， 有效地提高了阴性选择算法的知识表达能力、抗噪能力和搜索效率，实验证明该方法能快速准确地识别各 类故障；刘勇等[16]提出一种基于人工免疫模型的故障诊断方法用于无人机方向舵故障诊断，实现系统状态 的在线实时检测；张清华[17]利用 InTouch 组态软件等结合阴性选择原理设计了“K201 机组智能故障诊断 系统”，第一次将阴性选择算法和无量纲指标结合，经过模拟机组的试验，表明了用该方法进行故障诊断 的正确性和有效性，可以应用于实际诊断中。 2 人工免疫与神经网络结合的故障诊断技术 刘树林等[18] 将免疫系统反面选择机理与神经网络结合，提出了基于免疫神经网络的活塞压缩机气阀 故障诊断的方法，该方法可以获得了较高的检测准确率，特别适合于故障样本缺乏或无故障样本设备的故 障诊断；侯胜利等[19]基于人工免疫系统的识别机理和神经网络的非线性映射能力，提出了一种免疫-神经 网络模型并用于监控航空发动机性能，同时在双转子故障实验器上进行实测分析，该方法能够有效地检测 转子系统常见的故障模式；于宗艳[20]提出的免疫神经网络算法是利用免疫算法的全局搜索性能先对神经网 络权值进行权值全局优化，然后再用 BP 算法进行局部搜索，以抽油机井为对象进行仿真研究，表明该方 法能够有效避免算法陷入局部极小值的现象，同时加快算法的收敛速度；邵旭光等[21]提出一种免疫 RBF 混合智能诊断算法，在并联机器人的驱动器故障和传感器故障检测实例中表明，用免疫算法训练得出的聚 类中心不仅效率高，而且无需预先指出构造网络隐层数据中心的数量，具有很好的诊断效果； 3 人工免疫与小波分析结合的故障诊断技术 孟庆华等[22]提出了一种基于小波变换和免疫系统的故障诊断方法，并将此方法应用到汽车总成故障诊 断中；肖监[23]将免疫算法的模式识别技术与小波分析法相结合，以实现电力变压器的局部放电类型的诊断， 小波分析法抑制干扰能力强，勿需事先确定干扰的分布，能够准确检测局部放电信号的各种信息，再采用 免疫算法的模式识别技术，实验表明该方法能有效地识别出局部放电信号的模式；王铁生等[24]通过引入免 疫算法来优化小波网络结构参数，建立了一种混合的小波网络模型，并将该模型应用于水轮发电机组故障 诊断，诊断结果表明该模型收敛速度快，诊断精度高，并有较好的泛化能力；丁伟等[25]基于免疫学的阴性 选择、匹配原则等理论结合小波包分析特点，提出一种利用小波包对检测信号分解后对其进行特征量提取， 利用免疫机理对检测系统进行自学习和识别故障的小波包免疫算法，以汽车驱动桥故障检测作为实例来验 证了免疫系统的可行性和正确性；周根娜等[26]提出了基于小波包能量特征提取和免疫识别机理，建立起转 子系统运行状态的实时诊断模型，并以转子系统故障的仿真实验为例，该方法具有很好的在线监测性能和 分类性能；祝志慧等[27]提出将小波包变换和改进的免疫算法相结合，对输电线路故障类型进行识别，实验 结果表明，此故障类型识别方法具有较强的通用性，较高的精度，识别速度快和算法简单易实现。 4 人工免疫与支持向量机结合的故障诊断技术 Aydin 等[28]人提出了基于人工免疫算法和支持向量机的多目标混合智能方法，采用人工免疫算法优化 支持向量机的核函数参数和惩罚系数，不需要人为选择参数，该方法成功地检测了电动机转子断条故障； Huang 等[29]提出了一种基于免疫聚类算法与支持向量机的混合智能诊断方法，并应用于电力变压器的故障 诊断，用免疫聚类算法对所获取的数据进行预选取，加快模型参数的确定速度，利用支持向量机识别类内 变压器故障，与神经网络方法进行对比，该算法具有较高的诊断精度；牛慧峰等[30]将支持向量机方法与实 值阴性选择算法相融合，提出了一种复合的故障诊断方法，应用于斜盘式轴向柱塞泵的多模式故障诊断与 识别，该方法中使用算法产生非己集合（故障样本），将其作为算法的输入进行训练，解决了在液压泵故 障诊断中难以获得故障样本的难题； Yuan 等[31]将免疫算法与支持向量机相结合的方法应用于涡轮机的故 障诊断中，该算法诊断优点尤其突出，计算量小，速度快，诊断效果好，适合在线故障诊断，不仅适用于 单一故障的诊断，对多重并发故障诊断也有很好的效果。刘海松等[32]提出了一种克隆选择优化的 SVM 模 拟电路故障诊断方法，采用克隆选择算法进行 SVM 参数的优化选择，充分利用了免疫算法在优化问题中 的优势，比传统的网格搜索法具有更高的速度和精度，解决了传统方法在选取 SVM 最优参数中运算量大、 精度较低的问题。 

5 人工免疫与模糊集、粗糙集结合的故障诊断技术 庄健等[33]给出一种模糊人工免疫网络故障诊断算法，并利用 UCI 标准数据集和压缩机故障数据验证了 算法的有效性；李唯为[34]将粗糙集与人工免疫网络分类算法有机结合，提出基于最小诊断规则改进的人工 免疫网络分类算法，实例分析表明，经粗糙集方法约简后的样本集作为训练样本的人工免疫网络的诊断速 度明显提高；刘文业等[35]将免疫算法和模糊聚类法结合起来进行模拟电路的故障诊断，对故障有较好的分 类效果；Mohammad 等[36]人提出了将模糊聚类与人工免疫系统相结合实现多传感器信息融合与故障诊断 的混合智能方法；郑永煌等[37]引入临近粗糙集理论，给出了一种自适应剪枝门限选择的算法，解决了免疫 网络算法中剪枝门限选择的难题，实验表明该方法提高了已知故障诊断正确率和新故障识别能力，但其不 足是算法比较复杂；张万君等[38]针对炮射导弹系统故障特点和故障诊断方法中存在的不足，提出基于模糊 —免疫混合故障诊断方法，可解决在故障先验知识缺乏的情况下对炮射导弹系统故障的定量诊断。 6 其他方法 岑健等[39-40]人提出基于证据理论的免疫检测器在轴承故障诊断中的应用，把五种无量纲指标和证据理 论相结合，通过 D-S 融合规则将多个证据组融合形成一个新的综合证据组，建立多故障特征信息融合诊断 框架，充分利用不同证据体的冗余和互补故障信息，对不同轴承故障进行分析，在实验机组上验证了此方 法能有效地提高故障诊断的准确性；邓晓刚等[41]提出了一种基于免疫核主元分析的故障诊断方法，以连续 搅拌反应釜系统作为仿真对象，实验结果表明，免疫核主元分析方法更有效地检测过程故障，而且能够正 确地识别故障变量；向长城[42]利用可拓学与人工免疫算法相融合，用于汽轮机的故障诊断和起重机起吊物 体过程中的状态监测，诊断结果表明该方法准确率更高，可靠性更好；夏士雄等[43]提出了将免疫模型和离 散粒子群进化算法相结合的提升机系统的故障诊断方法，仿真表明该方法是有效可行的；Wen 等[44]提出了 一种基于小波能量谱和免疫神经网络的电机故障诊断方法，通过试验验证该方法是可行的和有效的；郑蕊 蕊[45]提出一种遗传支持向量机和动态疫苗机制的灰色人工免疫算法相结合的电力变压器故障诊断算法，采 用遗传算法优化支持向量机核函数参数的电力变压器故障和正常状态初分类器，和以灰关联度度量抗体与 抗原之间亲和力的灰色人工免疫算法，对电力变压器单一故障和多故障都能够有效地分类；李晴等[46]提出 一种免疫-蚂蚁算法，用其对 RBF 网络中心参量进行优化，并将优化后的模型用于模拟电路故障诊断，该 方法用于故障诊断有速度快、准确率高的特点；张旭[47]提出基于人工免疫-粗糙集-RBF 网络混合模型的智 能故障诊断方法实现了船用柴油机状态监测及故障诊断系统，该方法可以有效减少 RBF 神经网络的输入节 点和中心节点数，简化网络结构，提高学习效率，同时该模型具有较强的容错和抗干扰能力，对征兆信息 的噪声不敏感。 7 进一步研究的方向 人工免疫系统为复杂设备的故障诊断提供了新思路、新方法和新技术，在智能故障诊断领域有着巨大 的应用前景。但是，国内外对人工免疫系统在故障诊断领域中的应用研究还处于起步阶段，实际工程应用 还不够广泛，仍然存在着很多不足。由于免疫机理非常复杂，系统庞大，并且人工免疫系统在工程实践中 可以借鉴的成果不是很多，就目前来看，人工免疫系统不论是在模型建立，还是算法等方面都存在着一定 的问题，需要对人工免疫系统进行更多的研究和探索。 （1）故障诊断是一个极其复杂的问题，同时免疫系统更是一个自适应、自学习、自组织、多样性、 并行处理和分布协调的复杂系统，现有的人工免疫系统模型还比较简单，不能满足人工智能应用的需要， 需要进一步深入探索人工免疫系统仿生机理，开发出更加有效的、可行的人工免疫系统模型及算法进行故 障诊断研究。 （2）与多种智能算法相融合，构建混合式智能诊断系统。进一步丰富人工免疫系统在故障诊断技术 和实际工程应用的理论，挖掘出更多人工免疫算法与其它智能算法的结合点，用来改进现有的理论和方法， 从而获得更有效的人工免疫模型及算法进行故障诊断并用于工程实践。 [1]丁永生. 计算智能——理论、技术与应用[M]. 北京科学出版社,2004. 参考文献 [2] Campelo F, Guimaraes F G, Igarashi H. Multi-objective optimization using compromise programming and an immune algorithm[J]. IEEE Transactions on Magnetics, 2008, 44(6): 982- 985. 

[3]钟将，吴中福，吴开贵等. 基人工免疫网络的动态聚类算法[J]. 电子学报，2004， 32(8): 1268-1272. [4]钟燕飞，张良培，李平湘. 基于多值免疫网络的多光谱遥感影像分类[J]. 计算机学报，2007，30(12): 2181-2188. [5] Isida Y. Fully Distributed Diagnosis by PDP Learning Algorithm: Towards Immune Network PDP Model [J]. Proc. of IJCNN 90, San Diego,1990. [6] Dasgupta D, KrishnaKumar K, along D, Berry M, et aL. Negative selection algorithm for aircraft fault detection [C]. Proceedings of the 3rd International Conference on Artificial lmmune Systems. Catania. 2004.1-14. [7] Kayawa M, Sugita Y, Morooka, Sensor Diagnosis System Combing Immune Network and Learning Vector Quantization [J]. Eletrical Engineering in Japan, 1997:44-45. [8] Ishiguro A, Watanabe Y, Uchikawa Y. Fault diagnosis of plant systems using immune networks[C]. In: Proc IEEE International Conference on Multi-sensor Fusion and Integration for Intelligent Systems, Las Vegas, NV, 1994, 34-42. [9] LUCH GC, CHENG WC. Immune model-based fault diagnosis [J]. Mathematics and Computers in Simulation, 2005:(67):515-539. [10] 汤红诚，李著信，武华峰等. 基于人工免疫的异步电机故障诊断系统[J]. 中国电机工程学报，2005，25(23)：158-162. [11 邵继业，王日新，高晶波等. 基于反面选择算法的气阀故障诊断[J]. 振动工程学报，2006，19(4)：465-468. [12] 费嘉祺，段志善，郭宝良. 设备故障诊断中免疫算法的应用研究[J]. 数学理论与应用，2011，31（3）：115-122. [13] 韩中合，王峰，郝晓冬等. 基于人工免疫算法的机组振动故障诊断方法[J]. 华北电力大学学报，2010，37（3）：38-42. [14] 彭媛，张春良，赵辉等. 基于人工免疫系统的核动力设备故障诊断[J]. 核动力工程，2008，29（2）：124-128. [15] 林圣，何正友，钱清泉. 基于人工免疫算法的输电线路故障类型识别新方法[J]. 电力系统保护与控制，2011，39（11）：95-100. [16] 刘勇，尚永爽，王怡苹. 基于免疫模型的故障诊断方法及应用[J]. 计算机工程，2011，37（16）：5-7. [17] 张清华. 基于人工免疫系统的机组故障诊断技术研究[D]. 广州：华南理工大学，2004. [18] 刘树林，黄文虎，夏松波．活塞压缩机气阀故障检测的免疫神经网络方法研究[J]. 中国机械工程，2005，16（15）：1384-1387． [19] 侯胜利，王威，史霄霈等. 基于免疫神经网络的耦合转子系统故障检测[J]. 机床与液压，2011，39（17）：131-134. [20] 于宗艳，韩连涛. 基于免疫神经网络的故障诊断方法研究[J]. 计算机测量与控制，2010，18（1）：40-43. [21] 邵旭光，范守文，熊静琪. 一种基于免疫神经网络的故障检测方法[J]. 中国机械工程，2010，21（19）：2258-2291. [22] 孟庆华等. 基于小波免疫系统的车辆总成故障检测[J]. 汽车工程，2004，26（5）：619-622. [23] 肖监. 基于小波分析和人工免疫的电力变压器故障诊断的方法研究[D]. 贵州大学，2008. [24] 王铁生，张利平. 免疫小波网络在水轮机组故障诊断中的应用[J]. 水利学报，2009，40（6）：762-767. [25] 丁伟，罗永前. 基于小波包免疫算法的驱动桥故障检测[J]. 机械科学与技术，2010，29（4）：480-483. [26] 周根娜，侯胜利，柏林等. 基于小波能量免疫识别的发动机转子系统故障诊断[J]. 电光与控制，2010，17（6）：81-84. [27] 祝志慧，聂建元. 改进的人工免疫分类算法在故障类型识别中的应用[J]. 电力系统保护与控制，2011，39（10）：80-85. [28] Aydin I，Karakose M，Akin E． A multi-objective artificial immune algorithm for parameter optimization in support vector machine［J］． Applied Soft Computing，2011,11(1):120-129． [29] Ren Jing，Huang Jia-dong，Yu Yong-zhe . Power Transformer Fault Diagnosis by Using the Artificial Immune Support Vector Machines[C]// Second International Conference on Intelligent Computation Technology and Automation, 2009，3(10): 83 - 86. [30] 牛慧峰. 免疫机理与支持向量机复合的故障诊断理论及试验研究[D]. 燕山大学，2009. [31] Shengfa Yuan, Fulei Chu. Fault Diagnosis Based on Support Vector Machines with Parameter Optimization by Artificial Immunization Algorithm [J]. Mechanical Systems and Signal Processing, 2007, 21: 1318-1330. [32] 刘海松，吴杰长，陈国钧. 克隆选择优化的 SVM 模拟电路故障诊断方法[J]．电子测量与仪器学报，2010，24（12）：1132-1136. [33] 庄健，王娜. 一种模糊人工免疫网络故障诊断策略[J]. 自然科学进展，2007，17（11）：1544-1554. [34] 李唯为. 基于粗糙集-人工免疫网络的电力变压器故障诊断方法研究[D]. 湘潭大学，2008. [35] 刘文业等. 模糊免疫算法及其在模拟电路故障诊断中的应用[J]. 计算机测量与控制，2008，16（8）：1070-1073. [36] Mohammad K J，Langari R. A hybrid intelligent system for fault detection and sensor fusion[J]． Applied Soft Computing，2009，9: 415-422． [37] 郑永煌. 基于邻域粗糙集自适应调整剪枝门限的免疫网络故障诊断算法[J]. 信息与控制，2011，40（2）：221-226. [38] 张万君，王新，刘新亮. 炮射导弹系统故障的模糊-免疫混合诊断策略[J]. 兵工自动化，2012，31（1）：61-64. [39] 岑健，胥布工，张清华等. 基于证据理论的免疫检测器在轴承故障诊断中的应用[J]，测量与仪器，2009（8）：42-45. [40] 岑健等. 免疫检测器证据理论集成的机组复合故障诊断[J]. 控制与决策，2011，26（8）：1249-1452. [41]邓晓刚，田学民. 基于免疫核主元分析的故障诊断方法[J]. 清华大学学报(自然科学版)，2008，48（S2）：1794-1798. [42] 向长城. 基于可拓学的智能故障诊断与状态监测的理论及应用研究[D]. 重庆大学，2008. 

[43] 汪楚娇，夏士雄，牛强. 免疫粒子群算法及其在矿井提升机故障诊断中的应用[J]. 电子学报，2010（2A）：94-98. [44] Wen Xin，Brown D，Liu Honghai. Motor Fault Diagnosis Based on Wavelet Energy and Immune Neural Network[C]//2009 International Conference on Measuring Technology and Mechatronics Automation, Zhangjiajie: Central South University, 2009: 648 -652. [45] 郑蕊蕊，赵继印，赵婷婷等. 基于遗传支持向量机和灰色人工免疫算法的电力变压器故障诊断［J］．中国电机工程学报，2011，31（7）： 56-63. [46] 李晴，何怡刚，包伟. 免疫蚂蚁算法优化的 RBF 网络用于模拟电路故障诊断[J]. 仪器仪表学报，2010，31（6）：1255-1261. [47] 张旭. 人工免疫算法及其在船舶柴油机智能故障诊断中的应用研究[D]. 上海海事大学，2007. 附：国家自然基金项目（61174113）；广东省自然科学基金项目（8152500002000011） 作者简介：覃爱淞（1989-），女，广西上林人，在读硕士，主要从事人工智能与故障诊断研究, E-mail: qinaisong66@163.com,电话：14718071929 通讯地址：广东省茂名市广东石油化工学院主教一楼广东石化装备过程控制重点实验室(邮编：525000) 张清华（1965-），男，广东丰顺人，博士、教授、博导，研究领域为模糊控制、智能控制、计算机仿真、故障诊断 李铁鹰（1956-），男，山西太原人，博士、教授、硕导，研究领域为智能控制与自动化 胡勤（1985-），男，湖北监利人，在读硕士，主要从事人工智能与故障诊断研究