امروزه جهت افزایش بازدهی سیستم ها و نیز کاهش هزینه های نگه داری در صنایع، تلاش زیادی صورت می پذیرد. به کمک فرانگری بر تجهیزات و بکارگیری سیستم های شناسایی خطا می توان به اهداف فوق نایل آمد. در این پایان نامه، بهبود امنیت عملکرد نیروگاه های بخاری، انگیزه اصلی رهیافت های خطایابی می باشد. اجزای نیروگاه های بخاری تحت دما و فشار بالا کار می کنند. در نتیجه هرگونه نقصی در سیستم منجر به تلفات بالایی در عملکرد، کاهش طول عمر سیستم و نیز بروز خاموشی های گسترده خواهد شد، بنابراین ضروریست که کنترلرهای نیروگاه های برق به سیستم های هشداردهنده ی خطا مجهز شوند. محفظه ی احتراق، بویلر، بخار، چگالنده، هواگیر و پمپ بویلر از اجزایی هستند که در این پایان نامه مدل شده اند و سپس رهیافت های خطایابی در مورد آنها به کار گرفته شده است. مدل با یک نیروگاه واقعی به تولید 500mw تایید اعتبار شده است. نرخ جریان سوخت و نرخ ورود هوا از مهمترین ورودی های مدل به شمار می روند. کنترل آماری فرایندها بر مبنای تحلیل مولفه های اصلی (pca)، موثرترین روش در فرانگیری و کنترل سیستم های صنعتی است. در این پایان نامه ابتدا خطایابی بر مبنای تحلیل مولفه های اصلی خطی توسعه یافته است. مهمترین محدودیت کنترل آماری بر مبنای pca، خطی بودن آن است. این در حالی است که بسیاری از فرایندهای صنعتی عملکردی غیر خطی دارند. با بکارگیری شبکه عصبی خود انجمنی و توسعه تحلیل مولفه های اصلی خطی به حالت غیر خطی، محدودیت ذکر شده در سیستم های غیر خطی تا حدود زیادی مرتفع شده است.