در این پروژه یک روش تست غیرمخرب مبتنی بر تبدیل موجک گسسته و شبکه عصبی برای آنالیز سیگنال های ارتعاشی در شناسایی عیوبی مانند ترک در سازه خوردو بکار گرفته شده است. تبدیل موجک از روش های آنالیز زمان- فرکانسی می باشد که توانایی تحلیل سیگنال های گذرا و غیرایستا را دارد. این ویژگی از نقاط قوت این روش در مقابل روش های آنالیز طیفی مانند تبدیل سریع فوریه (fft) بوده، به طوری که می-تواند محتوای فرکانسی سیگنال های حاوی اطلاعات گذرا و فرکانس های متغیر با زمان از جمله سیگنال فرکانسی جاروب شده (frequency sweep) که در تحلیل های دینامیکی خودرو از آن استفاده می شود را در زمان بسیار کمتر از مقدار مشابه خود در حالت بکارگیری آنالیز طیفی، آشکار کند. بنابراین در چنین مواردی، استفاده از تبدیل موجک، زمان اعمال ورودی به سیستم را تا حد مشخصی کاهش داده و با دقت بالا باعث کاهش حجم اطلاعات سیگنال ها و صرفه جویی در زمان می شود. همچنین، اخیرا از روش های هوشمندی چون شبکه عصبی در پردازش ثانویه داده های حاصل از آنالیز موجک بهره برده شده است. علت استفاده از شبکه عصبی در تشخیص عیب، قابلیت خودیادگیری، توانایی شناسایی الگوهای غیرخطی و یافتن ارتباط بین الگوها است. در این پژوهش، از دو مدل تیر دوسرگیردار و مدل کامل خودرو برای شناسایی خرابی استفاده شده است. تعدادی سنسور در مدل ها تعبیه شده و شتاب عمودی حاصل از اعمال ورودی مربوط، ثبت شده است. سیگنال های حاصل، با استفاده از تبدیل موجک گسسته پیش پردازش شده و به عنوان ورودی شبکه عصبی مورد استفاده قرار گرفتند. روش بکار رفته در ایجاد ترک ها، قطع اتصال المان های مجاور است. در این پروژه، برخلاف روش های پیچیده ای چون آنالیز مودال یا روش های گران قیمت غیرمخرب، با استفاده از روشی نه چندان پیچیده، موفق به شناسایی خرابی در سازه های تیر (تعیین مکان دقیق) و شاسی خودرو (تعیین دقیق حوزه خرابی با اندازه های متفاوت) شدیم.