دستگاه ها و ماشین آلات دوار نقش حیاتی را در صنعت ایفا می کنند. در این نوع ماشین آلات به علت حرکت دورانی اجزا، وجود لرزش و ارتعاش، پدیده ای بدیهی است. معیوب بودن این گونه دستگاه ها باعث کاهش تولید و افزایش هزینه می شود. ارتعاشات هر ماشین دوار ارتباط مستقیمی با وضعیت آن دارد و هرگونه تغییر، هر چند جزئی، در وضعیت دستگاه با تغییر در وضعیت ارتعاشات آن همراه خواهد بود. لذا اندازه گیری و تحلیل ارتعاشات یکی از روش های اصلی برای پایش وضعیت تجهیزات و ماشین آلات دوار به شمار می رود. هر عیبی در تجهیزات دوار، لرزش و ارتعاشی با مشخصات ویژه خود از لحاظ دامنه، فرکانس و فاز ایجاد می نماید. هدف اصلی این تحقیق طراحی و پیاده سازی یک سامانه برای جمع آوری بی درنگ داده های ارتعاش یک ماشین الکتریکی برای تشخیص و پیش بینی خطا است. هنگامی که داده های قسمت های مختلف یک ماشین به طور هم زمان مورد نیاز باشد، استفاده از حس گر هایی مانند شتاب سنج های پیزوالکتریک، به دلیل قیمت زیاد و هم چنین استفاده از یک شکل دهنده گران قیمت به عنوان تقویت کننده، غیرممکن و پرهزینه می شود. در نتیجه برای حل این مشکل در اینجا از شتاب سنج های mems مانندadxl345 به عنوان یک جایگزین مناسب و قابل اعتماد، برای جمع آوری، تشخیص و پیش بینی اطلاعات، استفاده شده است. در این تحقیق ابتدا ساختار شتاب سنج های mems تشریح شده است و سپس رفتار و عملکرد یک نمونه شتاب سنج mems در دو حالت حلقه باز و حلقه بسته مدل سازی و شبیه سازی شده است. سپس یک سامانه نظارت بر لرزش با استفاده از شتاب سنج adxl345 طراحی و پیاده سازی شده است. به منظور بررسی عملکرد سامانه طراحی شده، داده های به دست آمده از هردو نوع شتاب سنج پیزوالکتریک و mems در حوزه زمان و فرکانس مقایسه شده است. نتایج نشان می دهد که شتاب سنج mems می تواند یک جایگزین مناسب و کم هزینه برای پایش وضعیت ماشین های الکتریکی باشد. در انتها با استفاده از سامانه طراحی شده، یک روش هوشمند برای تشخیص عیوب ماشین الکتریکی با استفاده از سیگنال های ارتعاشی و استخراج ویژگی های آماری سیگنال ها بر اساس تبدیل موجک و شبکه های عصبی مصنوعی mlp ارائه شده است. نتایج شبیه سازی نشان می دهد که این روش خبره با عملکرد بالا را می توان برای پیش بینی و کاهش خطاهای احتمالی در عملکرد سامانه به کار برد و در دسترس بودن و اثربخشی آن را افزایش داد.