工业机组大型机械设备在现代工业中发挥着重要作用。其良好的运行状况直接关系到全厂安全和正常生产运行。因此工业机组设备在高负荷下长期稳定安全的运行是设备管理人员一直以来努力的目标。设备维护人员希望了解系统的实时运行状态,及时预警设备早期故障,调整设备负载,合理的安排时间停车检修,提高系统的可靠性,避免了突发重大安全事故造成的经济损失和人员伤亡。因此,对工业机组机械设备进行故障诊断具有十分长远的意义。超过半数以上的大型工业机组旋转机械设备故障是由设备运行所产生的非设计外部振动所造成的,因此采用振动指标对装置进行监测是目前众多可行方法中使用最广泛,同时也是可靠性最高的方法。本文在研读大量文献的基础上,结合课题的相关研究背景,提出了一种基于Alpha稳定分布模型的人工免疫故障诊断方法,具体工作如下:首先,提出了一种基于多个参数的二进制编码方式和适用于人工免疫算法模型中多参数的改进加权分段免疫匹配算法,解决了多参数模型在使用免疫算法进行抗原抗体匹配时存在不能合理的兼顾参数间的独立性和参数间的内在联系的问题。其次,提出了一种基于Alpha稳定分布的免疫故障诊断方法。Alpha稳定分布可以拟合正常信号和对非高斯的单故障的故障信号进行准确的建模,其拟合的参数可以用于单故障诊断。故使用参数拟合的方式对正常信号和故障信号进行Alpha稳定分布建模。并将其与人工免疫算法模型相结合,对故障进行诊断。最后,在搭建的大型旋转机械故障诊断实验平台中的组合式旋转机械复合故障诊断实验装置上,对六种不同的工作状态进行实验。实验验证了该方法对于单故障诊断的有效性。同时实验结果表明该方法具有良好的故障检出能力。综上所述,本论文将Alpha稳定分布模型与人工免疫模型相结合,根据概率密度函数的性质,设计了一种基于Alpha稳定分布的免疫故障诊断方法,是对利用概率密度函数拟合与人工免疫故障诊断技术研究的补充,也是对工业机组设备故障免疫诊断技术的新探索。