本发明公开了一种基于一维卷积长短期记忆网络的模拟电路故障诊断方法。所述方法为：1）一维卷积长短期记忆（One‑Dimensional Convolutional Long Short‑Term Memory，1D‑CLSTM）神经网络利用一维卷积网络预先提取数据特征，利用Flatten层对预先提取的特征进行扁平化处理，利用长短期记忆网络获取数据时间信息并进一步提取数据隐藏特征，利用softmax分类器进行特征分类；2）利用小批量Adam梯度下降算法对一维卷积长短期记忆神经网络进行反向传播训练，调整网络的权重参数和偏置参数；3）通过诊断电路原理图进行仿真实验，采集响应信号数据，建立单故障数据集和双故障数据集，对提出的故障诊断方法分别进行训练和测试。本发明使用Adam算法优化的一维卷积长短期记忆神经网络诊断模型直接从原始数据中提取故障特征并完成特征分类，减少了故障诊断流程，提高了故障诊断的效率和准确率。
