本发明公开了一种基于深度学习的超声电机故障诊断方法，所述故障诊断方法包括离线建模和在线应用两个步骤，其中所述离线建模包括以下步骤：步骤一、收集正常及各故障模式下超声电机性能监测数据和环境监测数据；步骤二、对性能监测数据通道进行组合排布。本发明中，无需人为故障特征提取，采用端到端的方式，获得了深度学习故障诊断模型，可准确估计超声电机正常/故障状态，利用卷积神经网络提取了各监测参数间的相关关系特征，利用循环神经网络提取了监测参数和时间的相关关系特征，具备准确的超声电机故障诊断能力，在现有验证数据上故障诊断准确率100％。