提出一种基于改进神经网络的冶金液压系统故障诊断方法。该方法结合小波包变换进行特征提取,利用遗传算法优化网络参数,并引入注意力机制提高诊断精度。在1000 t液压机多故障模式试验中,该方法的诊断准确率高达98.75%,平均诊断时间为0.85 s,均优于传统的反向传播(Back Propagation,BP)神经网络和支持向量机(Support Vector Machine,SVM)方法。