El Análisis de la Firma de Corriente del Motor (MCSA) es un método popular para la detección de fallas en accionamientos de motores eléctricos, especialmente en Máquinas de Inducción (IMs). Para Defectos en los Rodamientos (BDs), que están muy relacionados con la frecuencia de rotación, es importante mantener la velocidad en un valor de referencia objetivo para distinguir y localizar los diferentes BDs. Esto se puede lograr utilizando un control potente como el Control de Par Directo (DTC), pero este control ocasiona la variación de la frecuencia de suministro y la señal de corriente se vuelve no estacionaria, por lo que se vuelve necesario la integración de métodos avanzados de procesamiento de señales utilizando un filtro adecuado para manejar el contenido de frecuencia dependiendo de los BDs, como el filtro de Hilbert. Este artículo tiene como objetivo adoptar la Transformada de Hilbert (HT) para extraer la firma de las fallas del sobre de corriente del estator para detectar los diferentes BDs en las IMs cuando están controladas por un control DTC inteligente impulsado por Redes Neuronales Artificiales (ANN-DTC). Este control ANN-DTC es un factor de conformación en lugar de uno perturbador, lo que contribuye con el filtro de Hilbert para el diagnóstico de los BDs. Esta técnica se prueba para las cuatro ubicaciones de los BDs: el anillo interno, el anillo externo, la bola y la jaula del rodamiento en diferentes situaciones operativas sin control y con controles DTC convencionales y ANN-DTC. Por lo tanto, detectar la ubicación de la falla exactamente en una etapa temprana contribuye a lograr el mantenimiento en un tiempo bastante corto. El rendimiento del enfoque elegido radica en minimizar las ondulaciones del par electromagnético como resultado del control y el aumento de las amplitudes de los espectros relacionados con los BDs en comparación con otras armónicas. Este rendimiento se verifica en el entorno de MATLAB/SIMULINK.