针对飞机起落架液压系统故障诊断精度低,深层故障特征提取困难的问题,提出了一种基于双路特征融合卷积神经网络(TSFFCNN)与粒子群优化支持向量机(PSO-SVM)结合的起落架液压系统故障诊断模型。该诊断模型以起落架多节点压力信号作为输入,采用一维卷积神经网络(1DCNN)与二维卷积神经网络(2DCNN)并行多通道网络结构自适应提取深层特征信息,并在融合层将深层特征信息融合,通过优化后的SVM分类器对融合特征进行故障分类。为验证所提诊断模型的故障分类效果,基于AMESim搭建了典型飞机起落架液压系统仿真模型,构建了几种典型故障类型数据集。基于仿真数据的诊断结果表明,所提故障诊断算法精度能达到99.37%,能够有效实现起落架液压系统故障诊断;与其他智能算法对比,基于TSFFCNNPSO-SVM故障诊断模型具有更好的平稳性与可靠性,诊断精度更高。