محورهای دوار کاربرد زیادی در صنایع مختلف دارند. ترک عرضی از متداول ترین عیوب محور می باشد. ترک عرضی در اثر ممان خمشی ایجاد شده و رشد می کند. تشخیص ترک در محورهای دوار، به منظور برنامه ریزی و کم کردن هزینه تعمیرات، اهمیت زیادی دارد. در صورتی که ترک عرضی به موقع تشخیص داده نشود، می تواند منجر به شکست های فاجعه باری شود. تحقیق حاضر به صورت تجربی به ارائه ی روشی برای تشخیص ترک، با استفاده از تحلیل موجک گسسته و شبکه عصبی مصنوعی می پردازد. سیگنال های ارتعاشی جابه جایی با سنسور مجاورتی از دستگاه ساخته شده جهت داده برداری ارتعاشی که تحت بار خمشی نیز قرار داشت جمع آوری شده و فرآیند حذف نویز توسط تبدیل موجک انجام شد. با تبدیل موجک گسسته توسط موجک مادر sym2 سیگنال تا 9 سطح تجزیه شد و انرژی نسبی اجزا محاسبه شد. بردار ویژگی شامل مقادیر انرژی نسبی اجزای a_9 ، d_9 ، d_8 ،d_7 ،d_6 وd_5 ساخته شد تا به عنوان ورودی شبکه عصبی مورد استفاده قرار گیرد. شبکه عصبی مصنوعی استفاده شده از نوع پرسپترون چند لایه بود که برای تشخیص سالم بودن یا عمق ترک، به کار گرفته شد. در نهایت شبکه پرسپترون سه لایه با ساختار 6:12:4 طراحی شد که در لایه میانی و خروجی آن از تابع تبدیل تانژانت هیپربولیک سیگمویید استفاده شده بود. شبکه عصبی کارایی قابل قبولی داشت به صورتی که توانست سایز ترک محور دوار را با دقت خوبی تشخیص دهد.