Plusieurs analyses de signaux de vibration du roulement sont effectuées afin de détecter les composants défaillants, à savoir la bague extérieure, la bague intérieure, la cage et la bille, à l’aide d’une méthode proposée basée sur le traitement des signaux de vibration. Cette méthode se compose d’étapes. La première consiste en la décomposition du signal en plusieurs composants à l’aide de l’algorithme EOE-LMD. Ensuite, une sélection des composants efficaces est réalisée à l’aide d’un indicateur proposé appelé symptôme de défaut. Cet indicateur est défini comme un produit entre l’énergie du signal et l’indice de Gini, permettant d’évaluer la présence de défauts. En effet, la présence d’un défaut se manifeste par une augmentation de l’énergie accompagnée d’un grand nombre d’impulsions dans le signal de vibration. Le seuil de l’indicateur permet- tant de déterminer l’état du roulement, qu’il soit défaillant ou sain, est fixé et défini par des essais réalisés sur des signaux de l’état sain ainsi que sur des signaux de défauts de la bague intérieure et de la bille du roulement 6205-SKF, disponibles dans la base de données de l’université de Case Western Reserve. Ensuite, en fonction des valeurs de l’indicateur symptôme de défaut, les composants obtenus après la décomposition sont sélectionnés comme utiles ou non. Les composants dont la valeur de l’indicateur dépasse le seuil (40,6) sont pris en considération pour reconstruire un nouveau signal, car ils contiennent des informations liées aux défauts. Ce signal correspond à la somme de tous les composants sélectionnés. Puis, la fonction d’autocorrélation est appliquée au signal afin de renforcer la composante impulsionnelle liée aux défauts. Ensuite, le spectre du logarithme de l’enveloppe du signal reconstruit met en évidence des pics importants aux fréquences des défauts du roulement. Lorsque la méthode proposée est appliquée sur les signaux disponibles dans les bases de données des universités Case Western Reserve, Paderborn, XJTU-SY et Ottawa, des pics d’amplitudes importantes sont observés aux fréquences des défauts. La méthode de détection de défaut proposée est efficace, car elle présente un spectre d’enveloppe plus simple que les autres formes de spectres, avec une réduction du bruit et de la plage dynamique de variation de l’amplitude du signal. Cela permet de détecter des défauts qui étaient masqués par une amplitude élevée. De plus, une comparaison entre la méthode de détection basée sur la démodulation, la méthode de déconvolution et la méthode proposée montre des résultats très proches, mais avec une différence notable dans les amplitudes des pics situés aux fréquences caractéristiques des défauts.