Este documento propone un sistema de detección de fallas para motores de inducción defectuosos (fallas en los rodamientos, cortocircuitos entre vueltas y barras de rotor rotas) basado en análisis de multirresolución (MRA), selección de características basada en valores de correlación y aptitud (CFFS) y red neuronal artificial (ANN). Primero, este estudio compara dos métodos de extracción de características: el MRA y la transformada de Huang-Hilbert (HHT) para el análisis de firma de corriente de motores de inducción. Además, se comparan métodos de selección de características para reducir el número de características y mantener la mejor precisión del sistema de detección para reducir los costos operativos. Finalmente, el sistema de detección propuesto se prueba con ruido gaussiano blanco aditivo, y se seleccionan el método de procesamiento de señales y el método de selección de características con buen rendimiento para establecer el mejor sistema de detección. Según los resultados, las características extraídas de MRA pueden lograr un mejor rendimiento que HHT utilizando CFFS y ANN. En el sistema de detección propuesto, CFFS reduce significativamente el costo de operación (95% del número de características) y mantiene una precisión del 93% utilizando ANN.