本发明提供了一种面向列车传动系统的类脑持续学习故障诊断方法。该方法模拟了人脑神经突触的记忆与新生，设计了类突触表征结构的生长机制，以实现类脑持续学习的列车传动系统故障诊断。具体地，冻结原有特征提取分支并配合少量旧类样本示例缓解“灾难性遗忘”；同时引入新的特征提取分支，为模型提供可塑性，在多目标损失函数引导下，学习新故障特征，提升模型学习能力上限。此外，该机制集成了端到端的网络剪枝，根据任务难度而动态调整结构生长规模，缓解渐进学习过程中模型的结构化冗余问题。本发明提出的方法，可以高精度、高实时性拓展可诊断故障的边界，对提升基于深度学习的轨道车辆传动系统智能故障诊断模型的应用潜力具有重要意义。