Actualmente, se está poniendo un gran énfasis en la electrificación de los medios de transporte, incluida la aviación. El uso de motores eléctricos reduce los costos operativos y de mantenimiento. Los motores eléctricos están sujetos a diversos tipos de daños durante su funcionamiento, de los cuales los defectos en los rodamientos de rodillos son estadísticamente los más comunes. Este artículo se centra en presentar una herramienta de diagnóstico para las condiciones de los rodamientos basada en señales de vibración mecánica utilizando redes neuronales convolucionales (CNN). Este artículo presenta una alternativa a las conocidas herramientas de diagnóstico clásicas basadas en métodos avanzados de procesamiento de señales como la transformada de Fourier de tiempo corto, la transformada Hilbert-Huang, etc. El enfoque descrito en el artículo proporciona detección y clasificación de fallas en menos de 0.03 s. Las estructuras propuestas lograron una precisión de clasificación del 99.8% en el conjunto de pruebas. Se prestó especial atención al proceso de optimización de la estructura de la CNN para lograr la mayor precisión posible con la menor cantidad de parámetros de red.