随着科学技术的发展和自动化水平的提高，连采机在采煤工业中扮演着越来越重要的角色，而煤炭是我国常规能源的主体，煤炭在促进国民经济发展中起着不可替代的作用。而连采机的截割机构作为连续采煤机与煤岩接触、完成截割任务的装置，对整机的性能、效率和工作可靠性有至关重要的影响，它的无故障运行是维持生产连续性，减少设备停机时间，保证企业在有限资源的条件下创造高效益的前提，所以对连采机截割机构进行故障预测及诊断显得尤为重要。 本文对否定选择算法进行了改进，并且把肯定选择算法和改进的否定选择算法进行了有效的结合，通过消除冗余的检测器提高了检测器生成的效率。同时通过匹配阈值的调整，可以获得即将要发生和正在发生故障的检测器。把获得的检测器作为训练神经网络的故障样本，使免疫神经网络既可预测将要发生的故障，又可诊断已经发生的故障。 在否定选择算法中匹配阈值q的选取目前还没有直接的理论确定其合理的大小。本文通过免疫神经网络的训练过程误差曲线和随机选择的实验数据检验免疫神经网络的故障诊断情况的综合分析，确定了较优的匹配阈值q的大小。 本文把基于免疫神经网络的故障预测及诊断方法应用于连采机截割机构的截割减速器箱的故障预测及诊断中，通过免疫神经网络的训练误差曲线和BP神经网络的训练误差曲线的比较，证明免疫神经网路收敛速度更快。另外，通过随机抽取的检验数据对免疫神经网络和BP神经网络进行了检验，诊断结果表明免疫神经网络能更准确迅速的识别截割减速器箱的断齿、齿面磨损、齿面疲劳、轴的变形和齿面变形的故障。采用免疫神经网络对连采机截割机构的截割减速器箱进行故障预测及诊断可以大大提高准确度和减少对人的依赖度。