本发明公开了一种基于深度学习的AUV推进器多信源融合故障诊断方法及系统，方法包括：采集AUV推进器各种故障类型的一维时间序列故障数据；将采集到的各种故障类型的一维时间序列故障数据进行数据预处理操作，得到多个多信源样本数据；将预处理后得到的多信源样本数据划分为训练集、验证集、测试集；建立卷积神经网络故障诊断模型，将训练集的多信源样本数据输入卷积神经网络故障诊断模型中进行前向传递和反向传播计算，训练卷积神经网络故障诊断模型参数；模型的验证与测试。本发明方法可自动对原始故障数据进行提取特征和诊断，无需任何手工特征提取操作，使人们对AUV推进器的故障诊断更加方便快捷。