با توجه به اهمیت بالای ماشین های دوار در بسیاری از صنایع، استراتژی و نحوه نگهداری آن ها از اهمیت بالایی برخوردار است. روش نگهداری پیش بینانه که بر مبنای پایش وضعیت ماشین می باشد یکی از بهینه ترین و در عین حال مؤثرترین روش های نگهداری محسوب می شود. در این پژوهش، سیگنال های ارتعاشاتی یک یاتاقان غلتشی به منظور تعیین وضعیت آن به طور اتوماتیک مورد بررسی قرار گرفته است. برای این کار، در حالت اول، هفت ویژگی آماری به همراه انرژی و انتروپی سیگنال های اصلی برای تمامی حالت های یاتاقان (یک حالت سالم و سه حالت معیوب) محاسبه گردیده است. در حالت دوم، سیگنال ها به کمک تبدیل موجک با آستانه گذاری سخت نوفه زدایی شده است و مجددا تمامی ویژگی های محاسبه شده در مرحله قبل در این مرحله نیز محاسبه گشته اند. در فرایند نوفه زدایی، برای انتخاب بهترین موجک مادر از معیار کم ترین انتروپی شانون استفاده شده است. برای خودکار نمودن فرایند تشخیص عیب، از یک شبکه عصبی استفاده شده است که وزن های آن به وسیله الگوریتم بهینه سازی فاخته محاسبه گشته اند. با مقایسه نتایج به دست آمده در هر حالت می توان نتیجه گرفت که حدف نوفه از سیگنال می تواند دقت فرایند عیب یابی یاتاقان را افزایش دهد.