针对径向柱塞式液压马达故障数据源较少、故障特征与振动信号之间对应关系不明等问题,运用某企业柱塞式液压马达扭矩测试平台收集其故障振动信号,对比径向柱塞式液压马达不同故障类型之间的振动数据特点,分析故障特征与振动信号之间的对应关系,丰富径向柱塞式液压马达故障诊断数据集,并提出基于深度卷积神经网络的径向柱塞式液压马达智能故障诊断方法。径向柱塞式液压马达故障实验结果表明:相比于正常振动信号而言,滚子和定子裂纹及磨损故障振动信号烈度较大,时域统计指标变化较明显,且频谱中有清晰的故障特征及其倍频成分;提出的智能故障诊断方法可以高效识别径向柱塞式液压马达9种健康状态,诊断精度高达99.85%,为径向柱塞式液压马达出厂前测试的智能诊断奠定了数据和理论基础。