تمامی سازه ها در معرض وقوع خرابی قرار دارند. این خرابی ها ممکن است ناشی از بارگذاری عادی، بارهای دینامیکی، پدیده خستگی و یا آسیب های حین ساخت باشند. روش های مختلفی در تشخیص خرابی در سازه ها وجود دارند که یکی از کاراترین و جدیدترین آنها استفاده از x-let ها می باشند که معمولاً پردازش هایی روی داده های ناشی از تحلیل مود شکل انجام می دهند. براین اساس با ایجاد ارتباط بین مود شکل سازه خراب با سازه سالم و تحلیل آن در حوزه یکی از این x-let ها محل های خرابی مشخص می گردد. از جمله مهم ترین x-let ها می توان به wavelet اشاره کرد. با توجه به محدودیت های wavelet جهت تشخیص خرابی سازه ها، از جمله توانایی ناقص در شناسایی ترک هایی با مسیر غیرمستقیم و نزدیک تکیه گاه ها، نیاز به استفاده از تبدیل های جدید دیگر مشهود می باشد. تبدیل curvelet با توجه به ساختار خود می تواند این مشکلات را رفع کند. همچنین با توجه به ماهیت آن، جهت شناسایی خرابی در محیط های دو بعدی همانند صفحات خمشی بسیار مناسب می باشد. این خرابی ها را با تغییر در مدول الاستیسیته ناحیه مورد نظر می توان ایجاد کرد. از طرف دیگر با توجه به عدم دقت مناسب پاسخ های تحلیل مودال جهت تشخیص خرابی های نزدیک تکیه گاه ها، از نتایج تنش فون میسز به عنوان پاسخ های تحلیل استاتیکی جهت تشخیص خرابی در مکان های نزدیک تکیه گاه ها استفاده شده است. همچنین سعی شده است بر خلاف تحقیقات پیشین تمام اشکال ممکن خرابی همانند خرابی به صورت خطوط منحنی شکل، خطوط به صورت مستقیم در زوایای مختلف و خرابی های محدود به صورت نقطه ای در مناطق مختلف صفحه همچون نواحی میانی، لبه ای و گوشه ای با استفاده از چند شاخص خرابی پیشنهادی و چند شاخص خرابی موجود در مراجع مختلف، مورد بررسی قرار گیرند.