Las maquinas rotativa son muy importancia a nivel industrial para garantizar la flexibilidad, agilidad y precisión de los procesos tanto para aplicaciones críticas y no-criticas para la producción y manufactura de productos, lo cual salvaguardar la integridad humana y económica. En este sentido, garantizar el correcto funcionamiento de los equipos mediante la detección de fallas complementa un buen plan de mantenimiento preventivo o predictivo, esto alargar la vida útil de los equipos y evitar paro de producción. Actualmente existen varias técnicas de detección de vibraciones y/o desbalance para sistemas rotodinámicos como son motores, generadores, cajas de engranes entre otras, las cuales se basan en mediciones mecánicas mediante acelerómetros y/o proxímetros o mediciones eléctricas por medio de sensores de corriente. Las técnicas de procesamientos para diagnóstico de fallas por vibraciones y/o desbalance comúnmente se basan en el modelo del proceso o en señales obtenidas. Sin embargo, los modelos de los sistemas rotodinámicos son comúnmente no lineales, por lo que el modelo del sistema suele ser muy complejo y variante en el tiempo. Entonces las técnicas de procesamiento basados en señales utilizando métodos no lineales es la mejor opción de estudio. Existen técnicas de procesamiento de señales orientadas a sistemas rotodinámicos que permiten detectar fallas en los baleros y por desbalance del rotor, pero necesitan dos tipos de sensores para distinguir la falla especifica y el enfoque está orientado para sistemas lineales lo cual incrementa el costo de la instrumentación y limita el rango de precisión respectivamente. En este trabajo se pretende utilizar la medición de señales vibratorias con solo acelerómetros para distinguir la falla entre baleros y/o desbalance empleando un enfoque no lineal basado en redes neuronales aplicado a un sistema rotodinámico, el cual será entrenado para diversas condiciones de operación libre de falla y bajo falla.