Este artículo presenta la clasificación de fallas del codificador optoelectrónico en un sistema de accionamiento de motor síncrono de imán permanente (PMSM). Este documento propone la aplicación de clasificación de fallas del sensor de velocidad de redes neuronales profundas (DNNs) en el accionamiento PMSM controlado por vector. Este enfoque sobre el tema no ha sido discutido en la literatura anteriormente. Este trabajo presenta una solución basada en la detección temprana con el uso del estimador del sistema adaptativo de referencia de modelo (MRAS) y la clasificación de fallas basada en inteligencia artificial. La naturaleza innovadora de este trabajo también se debe a la simulación de daños en el sensor de velocidad utilizando el modelo de codificador optoelectrónico desarrollado en el entorno de Matlab/Simulink. Este trabajo se centra en estudios de simulación, los cuales han sido respaldados por resultados experimentales obtenidos en la plataforma MicroLabBox. Este artículo compara dos estructuras de redes neuronales profundas en la detección de fallas. Los resultados también fueron comparados con estudios experimentales previos sobre la clasificación de fallas en el sensor de velocidad utilizando redes neuronales superficiales.