本发明公布了一种基于注意力机制的混合CNN‑LSTM吊弦异常检测方法，属于电气化铁路自动检测技术领域，现有的吊弦异常检测主要基于信号处理技术，诊断准确率低。本发明提出了一种基于注意力机制的混合CNN‑LSTM吊弦异常检测方法，该方法由一维卷积和LSTM两部分构成，一维卷积提取信号数据的局部空间特征，LSTM抽取信号数据的长时依赖特征，进一步引进注意力机制，关注对异常检测影响的重要通道信号信息，最终实现接触网吊弦的异常检测。本发明充分考虑了接触网振动加速度信号数据的特性，对深度学习网络进行改进，对接触网吊弦断裂的检测精度更高，稳健性更强，从而提高吊弦维护、维修工作效率。