As máquinas elétricas rotativas são hoje a principal forma de transformação da energia elétrica em mecânica motriz e os motores de indução trifásicos têm grande relevância dentro do setor produtivo. A garantia de um correto funcionamento torna-se vital para eficácia e competitividade da empresa dentro do setor fabril. Assim sendo, um correto diagnóstico e classificação de falhas de funcionamento dos motores em operação pode fornecer maior segurança no processo de tomada de decisão sobre a manutenção, aumentar a produtividade e eliminar os riscos e os danos aos processos como um todo. A proposição deste trabalho baseia-se na análise das correntes de estator no domínio da frequência com sinais injetados na máquina juntamente com a modulação de alimentação para o diagnóstico do motor sem defeitos, com falhas de curtocircuito nos enrolamentos do estator e com falhas de rotor. A proposta é validada numa ampla faixa de frequências de operação bem como de regimes de conjugado de carga. São analisados os desempenhos individuais de cinco técnicas de classificadores de padrões, sendo proposta a utilização de: i) Perceptron Multicamadas, ii) Máquina de Vetores de Suporte, iii) k-Vizinhos Próximos, iv) Árvore de Decisão C 4.5 e v) Naive Bayes. Complementarmente, é desenvolvido um comparativo dos métodos de classificação de padrões para avaliar a precisão de classificação frente aos diversos níveis de severidade das falhas. Resultados experimentais com motor de 1 cv são apresentados para validar a proposta. / Rotating electric machines are today the main form of transformation of electrical energy in motor mechanics and three-phase induction motors have great relevance within the productive sector. Thus a correct diagnosis and classification of failures of the engines in operation can provide security in the decision making process on maintenance, increase productivity and eliminate risks and damages to processes as a whole. The purpose of this paper is based on the analysis of the stator currents in the frequency domain with signals injected into the machine together with the power modulation for the diagnosis of motor faultless, stator winding short-circuit faults and rotor faults. Considering also, for validation of the proposal is validated on a broad range frequency of operation as well as load torque. We analyze the individual performances of five standard classifier techniques, proposing the use of: i) Multilayers Perceptron, ii) Support Vector Machine, iii) k-Nearest Neighbor, iv) C 4.5 Decision Tree and v) Naive Bayes. Complementarily, a comparison of the methods of classification of standards is developed to evaluate the accuracy of classification against the different levels of severity of the failures. Experimental results with 735.5 w and 1.471 w engines are presented to validate the proposal.