در این پروژه به بررسی روشهای مختلف عیب یابی هوشمند با استفاده از سیگنال های ارتعاشی پرداخته شد. پس از دریافت سیگنالهای ارتعاشی، الگوریتم مناسبی جهت عیب یابی، پیشنهاد و بر اساس آن پروسه عیب یابی انجام گرفت. در آزمایش اول، یک دستگاه فرز و در آزمایش دوم، گیربکس واسطه بالگرد بررسی شدند. سیگنالهای ارتعاشی دریافت شده ابتدا در حوزه های زمان (گشتاورهای آماری،تابع خودهمبستگی و آنالیز مولفه های اصلی)، فرکانس(تبدیل فوریه سریع) و زمان-فرکانس(تبدیل فوریه زمان کوتاه، تبدیل پیوسته موجک، تبدیل بسته موجک، تبدیل ویگنر-وایله) پردازش می شوند. سپس استخراج ویژگی صورت گرفته، و پس از آن با استفاده از روش های مختلف طبقه بندی(شبکه عصبی،k -نزدیکترین همسایه، ماشین بردار پشتیبان)، روند هوشمندسازی عیب یابی انجام گرفت. نتایج نشان داد پایه های موجک دابوچیdb33 و db44 قابلیت بیشتری در نمایش زمان-فرکانسی سیگنال های ارتعاشی گیربکس تحت شرایط متفاوت دارند. هیستوگرام ضرایب خودهمبستگی سیگنال، مقادیر ویژه حاصل از ماتریس کوورایانس استخراج شده از سه بعد شتاب سنج، مقادیر کرتوسیس، انرژی و انحراف معیارِ زیرباندهای استخراج شده از تبدیل بسته موجک(wpt)، به عنوان ویژگی های معنادار و مناسب جهت طبقه بندی معرفی شدند. همچنین روش آنالیز مولفه های اصلی (pca) ، نتایج مطلوبی را در کاهش ابعاد فضای ویژگی نشان داد. در نهایت ماشین بردار پشتیبان در مقایسه با تکنیک های طبقه بندی دیگر، به عنوان روشی بهینه جهت طبقه بندی عیوب در گیربکس واسطه بالگرد معرفی گردید.