针对自动抓梁液压系统故障诊断正确率低、深层特征提取困难的问题,提出一种基于长短期记忆卷积(LSTM-CNN)特征提取网络和粒子群优化K最近邻(PSO-KNN)结合的自动抓梁液压系统故障诊断模型。以自动抓梁液压系统关键节点压力信息为输入,采用LSTM提取一维特征与CNN提取的二维特征融合,采用优化后的KNN模型对提取的特征进行故障分类。基于真实数据搭建AMESim自动抓梁模型进行仿真,验证所提方法的有效性与先进性。结果表明所提模型的诊断正确率达到97.92%,能够有效识别自动抓梁液压系统中的常见故障。