La detección del estado de salud para sistemas de accionamiento de motores incluye detectar el estado de funcionamiento del motor y diagnosticar fallas de circuito abierto (OC) en el inversor. Este documento propone un análisis de componentes principales con principio de capa añadida generalizada (GPCA) para determinar el estado de carga/eliminación de carga de un motor y diagnosticar fallas en su inversor. La mayoría de los métodos actuales para detectar fallas OC están limitados por cambios en la amplitud y frecuencia de corriente, lo que puede llevar a errores durante los estados transitorios de carga/eliminación de carga. El método propuesto aborda este problema. Inicialmente, este documento emplea un método de homogeneización para procesar datos de corriente, eliminando el impacto de procesos transitorios durante los estados de carga/eliminación de carga del motor en el diagnóstico de fallas del inversor. Posteriormente, se utiliza la transformada rápida de Fourier (FFT) para extraer las características del dominio de frecuencia de los datos. Si el método PCA se entrena con una matriz singular, esto puede llevar a un resultado no fiable. Este documento introduce una capa de generalización basada en el método PCA, lo que lleva al método GPCA, que permite el entrenamiento con matrices singulares. Luego, se desarrolla el método GPCA para calcular las características de los datos. Al preestablecer umbrales y utilizar el valor de error de predicción y el índice de tasa de contribución del método GPCA, se puede determinar el estado relevante del sistema de accionamiento del motor. Finalmente, a través de simulaciones y experimentos, se ha demostrado que el método, utilizando datos del estado de funcionamiento estable, puede detectar efectivamente el estado de funcionamiento de un motor y diagnosticar fallas OC en su inversor, con un tiempo de diagnóstico de 0.05 ciclos de corriente.