En este artículo, se describen las posibilidades de las aplicaciones de Redes Neuronales Convolucionales para clasificar fallos en el sensor de corriente del estator en un accionamiento controlado por vector con un Motor Sincrónico de Imán Permanente. Se asumió que tres fallos básicos, que consisten en la pérdida de señal del sensor de corriente, ruido de medición y error de ganancia, pueden ser clasificados de manera efectiva por las Redes Neuronales Convolucionales. Este trabajo presenta los resultados obtenidos en una investigación experimental sobre un Motor Sincrónico de Imán Permanente de 0.894 kilovatios. La clasificación de fallos se basa en señales de corriente de fase en bruto transformadas en matrices. La clasificación se lleva a cabo utilizando dos estructuras neuronales que operan en paralelo para las fases A y B. Este artículo incluye una descripción del proceso de selección de matrices de entrada, desarrollo de clasificadores y los resultados experimentales en clasificación offline obtenidos con un nivel de eficiencia del 99.2% y 98.3% para las fases A y B, respectivamente. Esta investigación se llevó a cabo para diversas condiciones de operación del sistema de accionamiento.