در حال حاضر پایش وضعیت به کمک تحلیل ارتعاشات نه تنها برای اجزای ساده ای مانند یاتاقان ها و چرخ دنده ها انجام می گیرد، در موتورها و ماشین های ترکیبی نیز به منظور تشخیص عیب یا پیش بینی عیوب در حال رخ دادن کاربرد فراوانی یافته و در صنایع مختلف از جمله صنعت خودرو به عنوان یک روش مناسب مورد استفاده قرار می گیرد. یکی از تکنیک های کارآمد در این زمینه استفاده از سیستم های هوشمند، با توجه به عملکرد قابل قبول این سیستم ها در شرایط عدم قطعیت می باشد. استفاده از تکنیک های جدید تشخیص عیب در برنامه پایش وضعیت طی سال های اخیر با روند فزاینده ای مواجه شده است. تحقیق حاضر به بررسی یک سیستم تشخیص و طبقه بندی عیوب موتور احتراق داخلی، با استفاده از شبکه های عصبی مصنوعی می پردازد. سیگنال های ارتعاشی با چهار شتاب سنج به کمک سیستم داده برداری ضبط شده و فرآیند حذف نویز و بدست آوردن ضرایب موجک، توسط تبدیل موجک روی داده ها انجام شد. انرژی سیگنال های معیوب و خطا برای ایجاد بردار ویژگی انتخاب شده و به عنوان ورودی به شبکه عصبی در نظر گرفته شد. سرانجام شبکه پرسپترون با ساختار 1:43:8و کارائی%100 ارائه گردید.