Hoy en día, los rodamientos son los elementos de apoyo de ejes más empleados junto con los cojinetes en máquinas rotativas, soportando gran parte de la carga y sometidos a numerosos esfuerzos, por lo que la posibilidad de aparición de un defecto incipiente en su estructura es elevada. Esto ha generado en las últimas décadas un esfuerzo económico importante para desarrollar y mejorar los métodos automáticos de detección de defectos en los procesos industriales, ya que va acompañado de una cuantiosa reducción de los costes operacionales y de mantenimiento. De todos los métodos existentes debemos hacer hincapié en métodos no invasivos como el análisis de vibraciones mecánicas, ya que nos permiten conocer el estado de la máquina interfiriendo mínimamente en el proceso productivo. Y es en este punto en el que el presente Proyecto comienza su desarrollo, con el interés en desarrollar nuevos métodos de detección de defectos en rodamientos a partir de señales vibratorias. Para ello nos centramos en un tipo concreto de señal, la obtenida de un rodamiento sometido a una rampa de velocidad, y un objetivo, desarrollar un método que permita identificar el estado del rodamiento a partir de esta señal. Para ello se adquieren un conjunto de señales en un banco de ensayos habilitado para la obtención de señales en rodamientos. Estos rodamientos corresponden a cuatro condiciones de operación diferentes: una define el estado de rodamiento sano y las otras tres corresponden a tres condiciones de defecto. Las señales obtenidas serán procesadas con Transformadas Wavelet y Wavelet Packet para determinar los niveles que mejor definen cada tipo de señal y obtendremos distintos patrones con el fin de encontrar el que nos permita identificar el tipo de rodamiento. Para ello introduciremos estos patrones en diferentes tipos de red neuronal, para así desarrollar un sistema inteligente capaz de, a partir de señales obtenidas clasificar e identificar su procedencia, imitando con ello el procedimiento de aprendizaje humano. De los resultados obtenidos se concluirá qué métodos de procesamiento son más eficaces, los tipos de redes más apropiados para este tipo de señales así como su configuración óptima para obtener buenos resultados. ___________________________________________________________________________________________________________