El despliegue de actuadores electromecánicos juega un papel importante en la adopción de la filosofía de aeronaves más eléctricas (MEA). Por otro lado, una sustitución sin problemas de los EMA, en lugar de soluciones hidráulicas más tradicionales, aún se ve retrasada debido a la falta de datos de vida real y fiabilidad sobre sus modos de fallo. Una forma de sortear este problema es proporcionando un sistema de prognóstico y gestión de salud (PHM) de EMA capilar capaz de reconocer fallos antes de que realmente socaven la capacidad del sistema crítico para la seguridad de realizar sus funciones. El objetivo de este trabajo es el desarrollo de un marco de prognóstico basado en modelos para EMAs basados en PMSM aprovechando un algoritmo metaheurístico: se consideran los métodos evolutivos (evolución diferencial (DE)) e inteligencia de enjambre (enjambre de partículas (PSO), lobo gris (GWO)). Se simulan varios fallos (fricción seca, retroceso, cortocircuito, excentricidad y ganancia proporcional) mediante un modelo de referencia, y luego se detectan e identifican mediante el método de prognóstico previsto, que emplea un modelo de monitoreo de baja fidelidad. Los hallazgos del artículo se analizan, mostrando buenos resultados y demostrando que esta estrategia podría ejecutarse e integrarse en rutinas más complejas, apoyando la adopción de EMAs, con impactos positivos en la seguridad y fiabilidad del sistema en el ámbito aeroespacial e industrial.