El sistema de suspensión es de suma importancia en cualquier automóvil. Gracias al sistema de suspensión, cada viaje se beneficia de trayectorias agradables, conducción estable y manejo preciso. Sin embargo, el sistema de suspensión es propenso a fallos que pueden afectar significativamente la calidad de conducción del vehículo. Esto hace que sea esencial encontrar y diagnosticar cualquier fallo en el sistema de suspensión y rectificarlos de inmediato. Se han utilizado numerosas técnicas para identificar y diagnosticar fallos en la suspensión, cada una con desventajas. El sistema propuesto en este documento para la detección de fallos en la suspensión tiene como objetivo detectar estos fallos utilizando técnicas de aprendizaje profundo por transferencia en lugar de los métodos convencionales que son costosos y que consumen mucho tiempo. Este documento utilizó redes preentrenadas como Alex Net, ResNet-50, Google Net y VGG16 para identificar los fallos utilizando gráficos de radar de las señales de vibración generadas por el sistema de suspensión en ocho casos. Los datos de vibración se adquirieron utilizando un acelerómetro y un sistema de adquisición de datos colocados en un banco de pruebas para ocho condiciones de prueba diferentes (siete con fallos, una buena). Se eligió y adoptó el modelo de aprendizaje profundo con la mayor precisión en la identificación y detección de fallos entre los cuatro modelos para encontrar defectos. Los resultados indican que VGG16 produjo la mayor precisión de clasificación del 96.70%.