随着现代工业过程日趋集成化、规模化和复杂化,对工业过程进行实时监控,及时发现并排除过程故障被提到了前所未有的高度,作为过程监控实施手段的故障诊断技术近年来已成为学术界研究的热点。受免疫系统相关机理的启发,本文在已有研究成果的基础上,对实值否定选择算法进行了改进并引入克隆选择机制,根据训练样本集中样本类型的不同,分别提出了新的基于人工免疫的故障检测方法和故障诊断方法。当训练数据集只包含正常样本时,以正常样本为自体,在状态空间中利用否定选择机理产生初始检测器集进行故障检测。在检测过程中,引入克隆选择机制对被激活的检测器进行克隆、变异,动态更新检测器集,提高检测的准确性和自适应性。当训练数据集既包含正常样本,又包含不同种类的故障样本时,便可进一步对故障进行诊断。在基于人工免疫的故障诊断方法实现上,给出了两种不同的检测器产生策略,即基于否定选择产生初始检测器集或直接用故障样本派生初始检测器集。在初始检测器的训练问题上讨论了“距离优先”和“数量优先”两种不同的指导原则。同样,在故障诊断方法中也融入了克隆选择机制动态更新检测器集合,提高算法的自适应性。还对故障诊断过程中可能出现的多个检测器同时检出一个样本时,样本归属判定问题进行了讨论。对本文提出的基于人工免疫的故障检测和诊断方法,分别采用TE仿真数据对其有效性进行了检验。结果表明基于人工免疫的故障检测方法对故障样本的检出率能够达到比较理想的水平,特别是引入检测器动态更新机制后,检出效果有了明显的改善。在故障诊断方面,由于训练样本的充分性及其在状态空间的分布特点不同,从而导致对于不同故障类别,诊断的准确性存在较大差异。通过与基于PCA的方法对TE仿真数据的测试结果进行比较发现,本文所提出的方法不论是在检测方面还是在对故障样本的诊断方面均全面占优。