Para hacer que la energía eólica sea más competitiva, es necesario reducir el tiempo de inactividad de las turbinas y disminuir los costos asociados con la operación y mantenimiento de las turbinas eólicas (O&M). La incorporación de aprendizaje automático en el desarrollo de metodologías de mantenimiento predictivo basadas en condiciones para turbinas eólicas puede mejorar su eficiencia y confiabilidad. Este documento presenta un método de monitoreo que utiliza Máquinas de Vectores de Soporte Basadas en Densidad (DBSVM) y los espectros de Fourier evolutivos de las vibraciones. Este método permite el monitoreo inteligente de la evolución de la función de la turbina. Se ha desarrollado una función óptima compleja (FO) para un orden de 5 grados que será la función límite de la DBSVM para determinarse oportunamente a partir del espectro de Fourier a través de la magnitud-frecuencia y lugar de la falla que ocurra en los trenes de transmisión de las turbinas eólicas. La tendencia de la falla se construyó con los valores máximos de la función de frecuencia óptima tanto para los casos de las partes aguas arriba como aguas abajo de la caja de cambios.