Los motores de reluctancia conmutada (SRMs), los motores síncronos de imán permanente (PMSMs) y los motores de inducción pueden experimentar fallos debido a descomposiciones relacionadas con el aislamiento. El rotor del SRM es de naturaleza no saliente y está hecho de material de acero sólido. No hay devanados en el rotor. Sin embargo, el estator está compuesto por devanados que están intrincadamente aislados entre sí utilizando materiales como alambre esmaltado, películas de polímero, cintas de mica, resina epoxi, barnices o cintas aislantes. La resistencia dieléctrica del aislamiento puede fallar con el tiempo debido a varios factores y procesos ambientales. La ruptura dieléctrica del aislamiento del devanado puede ser causada por el conmutador rápido de la corriente del devanado, la presencia de contaminantes y el envejecimiento térmico. Para un funcionamiento fiable y eficiente de los SRMs y otras máquinas eléctricas, es necesario tener en cuenta la física del aislamiento del devanado y realizar diagnósticos y estimaciones apropiadas que puedan monitorear la integridad del aislamiento. Este artículo presenta el problema de estimación utilizando un regresor de bosque aleatorio optimizado por un algoritmo genético (GA). Se utilizan propiedades empíricas y cantidades medibles en los datos históricos para derivar la estimación de temperatura y corriente de fuga. El modelo desarrollado se combina luego con una función de media móvil para aumentar la precisión de la predicción de la temperatura del devanado del estator y la corriente de fuga. El rendimiento del modelo se compara con el de la red neuronal de retroalimentación y la memoria a corto y largo plazo sobre los mismos datos históricos de temperatura del devanado y corriente de fuga. Las métricas de rendimiento se basan en el cálculo del error cuadrático medio y el error absoluto medio.