유도 전동기는 현대 산업현장에서 핵심적인 동력원으로 쓰이고 있기 때문에 전동기의 고장은 산업 전반에 걸쳐 문제가 발생할 가능성이 높다. 유도 전동기의 고장은 발생경로가 매우 다양하고 대부분 경우에 있어 오랜 시간에 걸쳐 그 고장이 서서히 진행된다. 이러한 이유로 조기진단이 매우 중요하며, 유도전동기의 정상 및 고장상태를 정확히 인지하고 진단하여 효율적인 유지관리가 필요하다. 본 논문에서는 고정자 전류를 취득하여 analytic wavelet transform과 ridge를 이용하여 주파수 분석이 이루어지며, 신경망을 통한 학습과 인식으로 효율적인 고장진단을 제안한다. 실험을 통해 제안하는 기술과 기존에 널리 쓰이는 FFT와의 성능 비교했을 시 높은 진단률을 보이고 특히 베어링 진단에서 기존 방식보다 효용성이 있음을 보여준다.Various installments are driven at modern industry field, the induction motors was used widely as a power source of equipment. Because fault of a induction motors is caused to considerably lose throughout industry field. Induction motor is occur with failures that the progression route is very varied and in most cases fault is a slow progression for a long time. For this reason, early diagnosis is very important. Normal and fault conditions of induction motors is exactly diagnosis and effective maintenance is needed. I propose solution device for problem using a stator current of induction in the thesis the system early checks putting to use a nerve network by analyzing to a stator current using analytic wavelet transform and ridge. Through experiments, the proposed technique shows a high diagnostic rate compared to FFT that widely used. In particular, the usefulness of existing methods in bearing diagnosis shows that more.