一种卷积神经网络训练用学习率自调节方法及其在PRPD图谱识别的应用，属于GIS电气绝缘故障检测领域，通过现场检测以及积累，构建绝缘故障局放信号数据样本集，常见的信号类型主要包括尖端放电、沿面放电、悬浮放电、自由金属颗粒放电以及无故障的噪声信号；然后搭建卷积神经网络模型，通过网络训练获取模型，识别局放信号类别，实现绝缘故障类型的诊断。本发明采用自适应学习率CNN模型，对学习率进行了自动优化处理，具体是在每次迭代时求得学习率的最优值，并应用于下一次迭代的网络参数优化过程当中，实现学习率的自动调节，提升识别准确率，更加精准、快速的识别局部放电信号类型，提高绝缘故障检测的效率。