Los interruptores automáticos GIS desempeñan un papel crítico en el mantenimiento de la fiabilidad de los sistemas eléctricos modernos. Sin embargo, fallos mecánicos, como la fatiga del resorte, el atasco de la varilla de transmisión y el aflojamiento de componentes estructurales, pueden afectar significativamente su rendimiento. Los métodos de diagnóstico tradicionales tienen dificultades para identificar estos problemas de manera efectiva debido a la naturaleza cerrada del equipo GIS. Este estudio explora el uso del análisis de señales de vibración, específicamente durante la fase transitoria de cierre del interruptor automático GIS. El método propuesto combina la descomposición en paquetes de wavelet, la teoría de conjuntos aproximados para la extracción de características y la reducción de dimensionalidad, y la red neuronal S_Kohonen para la identificación de tipos de fallos. Los resultados experimentales demuestran la robustez y precisión del método, logrando una precisión diagnóstica del 96.7% en la identificación de fallos mecánicos. En comparación con los métodos tradicionales, este enfoque ofrece una mayor eficiencia y precisión en el diagnóstico de fallos en interruptores automáticos GIS. El método propuesto es altamente aplicable para el mantenimiento predictivo y el diagnóstico de fallos en sistemas de red eléctrica, contribuyendo a una mayor seguridad y fiabilidad operativa.