بحث تعمیر و نگهداری مبتنی بر پایش وضعیت، یکی از موضوعات مهم و کاربردی در صنایع می باشد. در بین روش های مختلف پایش وضعیت، آنالیز ارتعاشات و عیب یابی ماشین آلات از طریق تفسیر سیگنال ارتعاشی، به عنوان یکی از روش های غیر مخرب و قابل اجرا در حین کارکرد دستگاه، از جایگاه ویژه ای برخوردار است. چرخ دنده ها و بیرینگ های غلتشی از جمله تجهیزاتی هستند که به وفور در صنعت مورد استفاده قرار می گیرند و شاید کمتر دستگاهی را بتوان یافت که چرخ دنده یا بیرینگ غلتشی در آن بکار نرفته باشد. ماهیت گذرای ارتعاشات ناشی از بروز عیب در چرخ دنده ها و بیرینگ های غلتشی باعث گردیده تا تحلیل های معمول در زمینه آنالیز ارتعاشات، نظیر تبدیل فوریه، برای بررسی ارتعاشات آنها مناسب نباشد. این امر باعث شده تا تحلیل ارتعاشات در این تجهیزات با استفاده از تبدیل هایی که بصورت همزمان در حوزه زمان-فرکانس عمل می کنند، صورت گیرد. خطاهای اندازه گیری و محاسباتی، اعمال سلایق شخصی و تجربی افراد، شناخت نسبت به یک دستگاه خاص، در نظر گرفتن رفتارهای خاص بعضی از ماشین آلات و ... بروز خطا در تشخیص عیوب دستگاه ها و بطور خاص در مورد چرخ دنده ها و بیرینگ های غلتشی را افزایش می دهد و این امر ایجاد یک ساختار اطلاعاتی مناسب که قادر به تشخیص عیوب با سرعت و دقت مناسب باشد را طلب می کند. در این پایان نامه با ایجاد یک ساختار اطلاعاتی هوشمند سعی شده است خواسته های فوق برآورده گردد. ساختار هوشمند بکار گرفته شده یک شبکه عصبی پیشرو است که از تبدیل موجک گسسته به منظور پیش پردازش سیگنال ارتعاشی در آن استفاده شده است. در این راستا سعی شده است با در نظر گرفتن نیازهای واقعی که در عمل پیش می آید، ساختار اطلاعاتی مورد نظر تهیه گردد. شبکه عصبی به گونه ای طراحی گردیده است که ورودی آن با استفاده از ضرایب تبدیل موجک بر روی سیگنال ارتعاشی بدست می آید و خروجی آن معایب متداول چرخ دنده ها و بیرینگ های غلتشی است. مجموعه نتایج فوق در قالب برنامه رایانه ای با عنوان "fault detector" ارائه شده است. نمونه های متعددی از بکار گیری نرم افزار مذکور در کاربردهای واقعی مورد بررسی قرار گرفته است که بیانگر کارایی روش استفاده شده است.