[目的]为了提高液压机械无级变速器(HMCVT)换段液压系统的平稳性和安全性,设计了一种应对换段液压故障的诊断方法。[方法]利用自主研发的液压机械无级变速器试验平台,获得5种油路故障状态模式数据集;通过数据预处理及随机抽取的方法得到120组单一故障样本集和21组组合故障样本集,基于天牛须搜索算法(beetle antennae search,BAS)和BP(back propagation)神经网络,对处理后的120组单一故障样本建立了故障诊断模型;对标准BP神经网络模型和优化型BP神经网络模型进行试验测试和比对研究。[结果]所使用的BAS-BP方法对试验样本实现了5种油路状态模式分类;与标准BP神经网络相比,BAS-BP方法可以更好防止网络受限于局部极小值,且故障诊断正确率提升10%。[结论]与常规优化算法相比较,BAS-BP方法所需训练时间短、收敛速度快,算法运行速率提升85.76%,拥有更好的稳定性和判别精度