پیش آگهی عیب یعنی قبل از رسیدن سیستم به حالت معیوب در زمان مناسب به اپرتور هشدار داده شود تا اقدامات مناسب جهت جلوگیری از پیشرفت عیب انجام شود، بنابراین پیش آگهی عیب در کاهش هزینه های نگهداری بسیار موثر می باشد. هم چنین محیط های صنعتی اغلب دارای نویز و داده های اندازه گیری شده نیز نامعین می باشند. در این پایان نامه ابتدا با استفاده از عملگر مورفولوژیکی گرادیان یک چهارچوب تبدیل ویولت موفولوژیکی برای کاهش نویز و افزایش ویژگی های ایمپالس ارائه شده است. در ادامه با استفاده از داده های شبیه سازی شده کارائی این روش را بررسی شده است. سپس برای پیش بینی رفتار سیستم یک شاخص مانیتورینگ تعریف شده است. در داده های نمونه موجود تغییرات ناگهانی در شاخص مانیتورینگ مشاهده شد که نمی توان با استفاده از شبکه های عصبی- فازی آن را پیش بینی کرد. به همین دلیل یک شبکه عصبی فازی با آموزش آنلاین پیشنهاد شده است. سپس کارائی روش پیشنهادی را با داده های عملی بررسی شده است. همچنین مقایسه روش پیشنهادی با شبکه عصبی-فازی با آموزش آفلاین نشان می دهد که روش پیشنهادی به خصوص در نقاطی که تغییرات ناگهانی وجود دارد با دقت بسیار بالاتری شاخص مانیتورینگ را پیش بینی می کند.