中文摘要：

针对复杂机械系统运行时状态信号表现出的非线性导致状态诊断困难，甚至无法诊断的情况，以人工免疫危险理论和云理论为基础，研究适用于复杂机械系统的状态诊断技术。首先，针对基于人工免疫自体-非自体识别机理的复杂机械系统故障诊断方法存在的正常工况和故障工况界限模糊不易诊断、未知工况自学习能力较差、有效适应复杂机械系统正常变化的自学习、自适应能力较差和伪肯定率、伪否定率较高等不足，构建基于人工免疫危险理论的危险信号识别模型，提高诊断识别的正确率。其次，针对复杂机械系统状态信号的不确定性导致诊断准确性下降问题，研究云理论和危险理论的融合，构建云决策模型，对识别困难的不确定性信号进一步进行识别，提高系统诊断的精确性。最后，以汽车发动机为研究对象，建立一套状态诊断系统，用于验证本研究所提出的方法的有效性。本项目的研究有助于提高复杂机械系统状态诊断的高精确度和智能化，对于避免发生严重、突发事故具有重要意义。

结论摘要：

根据本项目申请书的内容，在过去的3年时间里本项目组成员按照计划开展了研究工作。完成了与该项目研究相关领域国内外的文献检索与阅读。采用学术调研和参加国际学术会议的方式与国内外相关研究人员进行了学术交流。完善了汽车发动机故障模拟实验台，在现有的丰田发动机故障模拟实验台上增加了采用NI多功能数据采集卡和北京东方振动研究所生产的能够实时检测发动机振动、噪声以及模态的检测系统。研究了复杂机械系统信号的噪声忍耐和特征提取算法和适于危险信号识别的检测器集合生成算法以及复杂机械系统未知危险工况自适应学习机理和基于克隆变异原理的自学习、自适应机理。对云理论和危险理论进行了融合研究，构建了云决策模型，实现了对识别困难的不确定性信号进一步进行识别，提高了系统诊断的精确性。以发动机为具体对象，在发动机故障模拟试验台上进行了试验，验证了该诊断方法的有效性。还针对电动汽车和轮毂轴承单元等复杂机械系统进行了动力学方面的研究，有助于掌握其动力学响应，为更好的对其进行故障检测提供了理论基础。项目成果还成功应用于汽车轮毂轴承单元的在线检测，帮助企业提高了产品的出厂质量。通过本项目的研究，形成了一套以人工免疫危险理论和云理论为核心的复杂机械系统状态诊断技术，发表了相关论文10篇，其中EI检索4篇，申请到了软件著作权4项，授权实用新型专利8项，7项国家发明专利处于实质审查阶段。获得省部级三等奖项2项。培养了9名硕士研究生。完成了项目的研究内容和任务，达到了项目的预期目标。