در این پایان نامه یک ساختار نوین برای تشخیص و شناسایی عیب در سیستمهای صنعتی پیشنهاد می شود. در این ساختار ابتدا رفتار نرمال سیستم توسط یک شناساگر شناسایی می شود. سپس با استفاده از این مدل مانده ساخته می شود که به کمک ارزیابی آن می توان به تشخیص عیب پرداخت. در ادامه نشان داده می شود که این مانده ها برای ایزوله کردن عیب نیز مناسب هستند. در این پایان نامه یکی از محکهای صنعتی تشخیص عیب یعنی محک damadics برای ارزیابی ساختار پیشنهادی استفاده شده است. برای این منظور رفتار طبیعی سیستم که یک رفتار غیر خطی است توسط ماشینهای بردارهای پشتیبان شناسایی می شود. سپس با استفاده از مانده این مدل به تشخیص عیب پرداخته می شود. در ادامه از این مانده ها برای ایزوله کردن عیب استفاده می شود برای این منظور دو روش طبقه بندی سری زمانی پیشنهاد می شود. در روش اول تبدیل موجک استخراج ویژگی استفاده می شود و در روش دوم یک ساختار فیلتری معرفی می شود. در هر دو روش از تبدیل lda برای کاهش بعد استفاده می شود و در نهایت از طبقه بندی کننده های svm برای طبقه بندی استفاده شده است. نرخ تشخیص درست بالای 90 درصد هر دو روش موفقیت نسبی آن را در مقام مقایسه با سایر کارهای انجام شده نشان می دهد.