روش های تعمیر و نگهداری سنتی بر مبنای کار دستگاه تا شکست و انهدام بوده و سپس به نگهداری پیشگیرانه تبدیل شده است. امروزه دیگر هیچ از یک دو روش ذکر شده موفق نبوده، بلکه از روش نگهداری پیش بینانه جهت تعمیر و نگهداری استفاده می شود. در این رابطه ارتعاشات به دلیل پایدار بودن در مقایسه با پارامترهای دیگر همچون درجه حرارت روغن، کاربرد فراوانی یافته است. هدف از انجام این پروژه، استفاده از روشی با نام جداسازی منابع مخفی برای جدا کردن سیگنال های ارتعاشی است. جداسازی منابع مخفی یکی از تکنیک های جدید حوزه پردازش سیگنال می باشد، که شامل بازیابی منابع و سیستم ترکیبی مجهول، تنها از روی سیگنال های ترکیبی اندازه گیری شده توسط سنسورهاست. این دیدگاه بطور موفقیت آمیزی در بسیاری از زمینه ها مانند ارتباطات، رادار، اصوات درون آب، پزشکی استفاده شده است. اما جداسازی منابع مخفی کمتر برای پایش و عیب یابی سیستم های مکانیکی مانند سیگنال های اخذ شده از یک ماشین دوار بکار گرفته شده است. این دیدگاه در حوزه جداسازی مخلوط های آنی بسیار موفق ظاهر شده است. با وارد شدن در حوزه فرکانس، می توان روش جداسازی منابع کور را برای سیگنال های کانولو، مربوط به سیگنال های گرفته شده از سیستم های مکانیکی، نیز بکار برد. برای جداسازی سیگنال های کانولو، از آمار مرتبه دوم( ماتریس های کوواریانس) به همراه آمار مرتبه بالا(ماتریس های کامیولنت مرتبه چهارم) به عنوان تابع کنتراست و از الگوریتم بهینه ساز ژاکوبی برای دستیابی به ماتریس ترکیب سیگنال های سنسور، استفاده شده است. برای شناسایی فرکانس عیب از تابع تبدیل هیلبرت و همچنین کنتراست کورتوسیس استفاده می نماییم. جداسازی سیگنال های شبیه سازی شده برای سیستم جعبه دنده مجازی و همچنین سیگنال های واقعی گرفته شده از دستگاه نمونه آزمایش برای شناسایی چرخ دنده معیوب کارایی الگوریتم ارائه شده را تایید می کند