本发明公开了一种基于1DCNN与GRU融合的冷水机组故障特征学习与分类方法，解决了现有方法在耗时、难以处理海量数据等方面存在的不足。本发明首先对采集的不同工况下连续时间的故障序列信息进行预处理，构建样本集；其次采用降维算法对样本集进行初步特征提取；然后构建1DCNN‑GRU神经网络模型，训练时将训练样本同一时刻的故障特征作为网络模型一个时间步的输入，采用交叉熵损失函数，结合反向传播BP算法调整模型参数，利用Softmax回归作为分类算法，对网络模型参数进行迭代更新，完成模型的训练。该方法不仅能提取序列局部特征与序列间的动态信息，还能实现故障的实时分类诊断。