《工业控制计算机》2023年第36卷第1期人工免疫系统是一种比较常用的设备故障诊断方法，其特点是根据细胞检测器和亲和度识别自身与异常样本。然而在实际故障诊断应用中，随着时间的推移，机械设备的运动状态会产生变化，传感器采集得到的数据以及对应正常与异常指标也发生变化。因此，需要一种能够随时间变化自动更新细胞检测器的诊断模型。对于时变样本问题，文献［1］提出了针对不连续时变样本空间的连续学习故障诊断方法（ContinualLearningFaultDiagnosisMethodforDiscontinuousTime-VaryingSamplespace:CLFDMDTVS）。然而，CLFDMDTVS对于细胞检测器寿命的确定没有通过数据集自适应变化，完全采取人为经验设置参数，对时序样本的学习仅处于一个初步探索阶段。本文将细胞凋亡的机理运用到人工免疫系统中，使细胞检测器能够随训练样本寿命自适应，以实现人工免疫系统中细胞检测器的种群稳定与检测中正常与异常边界的更新。1浆细胞凋亡机理适应性免疫中的B细胞最终可分化为浆细胞（也称效应B细胞）和记忆B细胞。由浆细胞诱导的预先存在的血清或粘膜抗体，代表了防止再感染的第一道防线，对于预防许多微生物疾病至关重要。对于浆细胞调控的有关机制，免疫学研究者提出了各种相关模型与理论：1）印记寿命模型。对于浆细胞在免疫系统中维持的时间，Amann提出了一种新的模型，即浆细胞寿命的“印记寿命”模型［2］。该模型的基础是，根据诱导抗原特异性体液免疫应答期间发生的B细胞信号的大小，浆细胞具有预定的印记寿命。2）浆细胞寿命增强理论。其基本理论是，高度重复的外来抗原与微生物感染存在有关，而诱导对微生物抗原的长期抗体反应为宿主提供了一种选择性优势，因为这将在某些情况下终身防止再感染［3］。3）浆细胞竞争模型。浆细胞竞争模型是基于这样一种理论：浆细胞在适当的生态位或微环境中存活很长时间，但它们最终通过与新产生的迁移浆细胞的竞争而移位，移位后的浆细胞被认为无法重新定位在生态位内，随后凋亡［4］。本文受这三种模型和理论的启发，建立了人工浆细胞模型（APCM），以实现诊断过程中的细胞检测器更替，从而正确识别时变样本。2人工浆细胞模型建立人工浆细胞检测器的基本表达形式采用连续学习方法中恒定尺寸的超立方体细胞检测器［5］，模型相关定义如下：2.1定义1）样本时间t：抗原（样本）进入算法流程激活细胞时的刻度，第i个抗原进入算法流程时的样本时间为t=i。运行一次算法最终样本时间的值等于样本的总个数，t∈N...
