Este artículo presenta la eficiencia de utilizar estructuras neuronales en cascada en el proceso de detección de daños en circuitos eléctricos en un motor de inducción de jaula de ardilla (IM) alimentado por un convertidor de frecuencia. Los autores presentan la idea de una conexión secuencial de estructuras neuronales clásicas para aumentar la eficiencia de la clasificación y detección de daños presentados por estructuras neuronales individuales, especialmente en la fase inicial de fallas eléctricas simples o múltiples. La señal de flujo axial fácilmente medible se utiliza como fuente de información diagnóstica. Las redes neuronales en cascada desarrolladas se implementan en el software de medición y diagnóstico realizado en el entorno de LabVIEW. Los resultados de la investigación experimental en un IM de 1.5 kW suministrado por un convertidor de frecuencia industrial confirman la alta eficiencia del uso de las estructuras neuronales en cascada desarrolladas en la detección de fallas incipientes en devanados de estator y rotor, como cortocircuitos entre vueltas en el devanado del estator y barras rotas del rotor, así como fallas mixtas en todo el rango de cambios de par de carga y frecuencia de voltaje de suministro.