La selección de características es un paso esencial para la clasificación de datos utilizada en procesos de detección y diagnóstico de fallos. En este trabajo, se propone un nuevo enfoque que combina un algoritmo de selección de características y una herramienta de red neuronal para tareas de detección y caracterización de fugas en los caminos de aire de motores diésel. Se utiliza el clasificador de Chi cuadrado como el algoritmo de selección de características y la red neuronal basada en Levenberg-Marquardt se utiliza en el modelado del comportamiento del sistema. La red neuronal obtenida se utiliza para la detección y caracterización de fugas. El modelo se aprende y valida utilizando datos generados por xMOD. Esta herramienta se utiliza nuevamente para las pruebas. La efectividad del enfoque propuesto se ilustra en simulación cuando el sistema opera a baja velocidad/carga y la fuga considerada que afecta el camino de aire es muy pequeña.