چکیده در حال حاضر پایش وضعیت به کمک تحلیل ارتعاشات نه تنها برای اجزای ساده ای مانند بیرینگها و چرخنده ها انجام می گیرد، در موتورها و ماشینهای ترکیبی نیز به منظور تعیین عیب یا پیش بینی عیوب در حال رخ دادن کاربرد فراوانی یافته است و در صنایع مختلف من جمله صنعت خودرو به عنوان یک روش مناسب مورد استفاده قرار می گیرد.یکی از تکنیکهای کارآمد در این زمینه استفاده از سیستم های هوشمند، با توجه به عملکرد قابل قبول این سیستم ها در شرایط عدم قطعیت می باشد. این تحقیق به صورت تجربی به بررسی یک سیستم تشخیص و طبفه بندی عیوب ناشی از عدم احتراق و لقی سوپاپ در یک موتور احتراق داخلی با استفاده از تکنیک آنالیز اجزای اصلی و شبکه های عصبی مصنوعی می پردازد. سیگنالهای ارتعاشی با چهار سنسور شتاب سنج نصب شده بر روی بدنه موتور به کمک یک سیستم داده برداری ضبط شده و فرآیند حذف نویز و آنالیز اولیه روی داده های خام انجام شد. سپس تکنیک انالیز اجزای اصلی به منظور محاسبه مقادیر و بردارهای ویژه و نهایتاً دسته بندی داده ها و کاهش حجم محاسبات بر روی داده های استخراج شده اجرا شد. آنگاه نتایج حاصل از اجرای این تکنیک به عنوان ورودی شبکه عصبی اعمال شد. حالت یک شمع معیوب، دو شمع معیوب، لقی بیش از حد مجاز سوپاپ-ها در یک سیلندر و حالت سالم موتور به عنوان نرون های خروجی برای عیب یابی موتور در شبکه قرار گرفتند. سرانجام شبکه پرسپترون سه لایه با ساختار بسیار مناسب 1:2:4 و با کارائی % 100 ارائه گردیده. کلمات کلیدی: ارتعاش، عیب یابی، موتور احتراق داخلی آنالیز اجزای اصلی، شبکه عصبی