بلبرینگ ها کاربرد بسیار گسترده ای در صنعت دارند و نیاز به تخمین دقیق عمر مفید آن ها بسیار حیاتی است. در بسیاری از پژوهش های پیشین، تخمین عمر مفید تنها پس از ایجاد خرابی اولیه در بلبرینگ ممکن بوده است، در حالی که شرایط واقعی بهره برداری معمولاً همراه با نویز زیاد است و تشخیص عیوب اولیه را بسیار دشوار می کند. در این پژوهش، روش جدیدی برای تخمین عمر باقی مانده بلبرینگ های صنعتی ارائه شده است که با استفاده از توابع مود ذاتی، توانایی تشخیص عیوب در مراحل اولیه بهبود یافته است. در این روش، سیگنال های ارتعاشی بلبرینگ ابتدا با استفاده از روشی به نام تجزیه به توابع مود ذاتی تحلیل می شوند و یکی از این توابع که بیشترین تأثیر در نمایش روند خرابی و عیب را دارد، با روش پیشنهادی مبتنی بر انرژی انتخاب می شود. سپس واریانس آن تابع محاسبه شده و تابع ویبول بر روی آن برازش می شود. داده های حاصل برای آموزش شبکه عصبی مورد استفاده قرار می گیرند و نتایج به کمک هموارسازی نمایی بهبود می یابند. ارزیابی این الگوریتم با داده های تجربی نشان می دهد که مدل به خوبی قادر است روند خرابی بلبرینگ را پیش بینی کرده و عمر باقی مانده را با دقت مناسب تخمین بزند..