هر صنعتی نیازمند برنامه های پیشگویانه، در جهت بهینه نمودن مدیریت منابع و بهبود اقتصاد کارخانه با کاهش هزینه های غیر ضروری و افزایش سطح ایمنی می باشد. درصد بسیاری از خرابی های موجود در کارخانجات در فرآیند تولید، به دلیل خرابی یاتاقان های غلتشی می باشد. هدف از این پژوهش پیشنهاد الگوریتمی، برپایه ی روش تجزیه ی مقادیر منفرد، و به کارگیری روش هایی در زمینه عیب یابی یاتاقان های غلتشی می باشد. روش های عیب یابی ارائه شده دارای چهار مرحله ی پردازش سیگنال، استخراج ویژگی، انتخاب ویژگی و دسته بندی عیوب با استفاده از شبکه های عصبی مصنوعی می باشند. از شش روش پردازش سیگنالی الگوریتم تجزیه ی مقادیر منفرد، تحلیل پوش، تبدیل موجک پیوسته، تبدیل موجک گسسته و ترکیب تبدیل موجک پیوسته با روش های تحلیل پوش و تجزیه ی مقادیر منفرد، جهت سه مجموعه داده ی یاتاقان های غلتشی، استفاده شده است. موجک های مناسب با استفاده از سه معیار بیشترین انرژی، کمترین آنتروپی و بیشترین نسبت انرژی به آنتروپی از میان 87 موجک مادر بررسی شده، انتخاب شده اند. موجک بایر 1.3 با استفاده از معیار انتخاب موجک انرژی، به عنوان بهترین موجک در زمینه ی عیب یابی انتخاب گردید. در این پژوهش از دوازده ویژگی آماری و چهار روش انتخاب ویژگی استفاده شده است. ویژگی های میانه، انحراف معیار استاندارد و ویژگی ترکیبی دوازدهم، دارای کارائی بهتری نسبت به ویژگی های بررسی شده در پژوهش، در تشخیص عیب یاتاقان غلتشی می باشند. همچنین معیار تفکیک کننده خطی فیشر، معیار بهتری برای انتخاب ویژگی ها نسبت به سایر ویژگی های بررسی شده در این پژوهش می باشد. شبکه ی شعاع مبنا نیز دارای قابلیت اطمینان بالاتری نسبت به سایر شبکه های بررسی شده در این کاربرد است. همچنین الگوریتمی برمبنای تجزیه ی مقادیر منفرد ارائه گردیده است که نتایج، نشان دهنده ی کارائی بالای این روش، برای تشخیص عیوب یاتاقان های سرعت بالا و سرعت پائین می باشد.