本发明公开了基于混合深度学习模型的道岔故障诊断方法，具体为：对道岔功率数据进行预处理、归一化，分析每种数据所对应的故障类型，按设定规则标注样本数据集中的每个样本数据所反应的故障类型；使用改进Smote算法扩充故障数据，并划分数据集；建立深度神经网络分类模型；使用交叉熵损失函数和Adam优化器对模型进行训练。根据使用空洞卷积进行特征提取，LeNN与注意力机制融合模型作为分类器的思想，设计出了基于空洞卷积与LeNN‑Attention混合模型的列车道岔故障诊断方法，该方法比传统的单一神经网络和机器学习算法诊断精度更高，这表明通过混合深度学习算法所得到的模型在实际应用中有着非常良好的效果。