本发明公开了一种多任务联合的高压隔离开关故障诊断方法，首先利用奇异值分解(SVD)技术对采集的振动信号进行去冗余处理；通过短时傅里叶变换(STFT)将一维振动信号转化为更利于特征卷积神经网络(CNN)提取的二维时频特征图谱；然后利用多支路卷积神经网络搭建一个带有域特征分享机制的多任务联合故障诊断网络，同时对高压隔离开关的故障程度与故障类型进行检测；根据信号样本特征，设计一种结合空间关注和通道关注的注意力模块，实现快速高效的故障特征提取，得到多任务联合故障诊断模型；用多任务联合故障诊断所得的高压隔离开关状态，将训练情况进行可视化操作，并诊断当前高压隔离开关的目前的故障阶段，及时做出决策和反馈。