由于海洋环境复杂,噪声干扰严重,在海上油田电潜泵故障诊断过程中特征提取往往需要耗费大量的专家人力分析来进行超参数的选择、维护与调整,过多的超参数限制了现场长期应用的效果,因此基于极少量超参数调节特征提取算法的故障诊断是保证现场长期应用效果的研究方向.针对此问题,本文提出了一种基于振动信号功率谱密度以及卷积神经网络的PSD-CNN故障诊断方法,采用功率谱密度(PSD)实现振动信号的特征提取,提取的特征经由通过批量标准化优化的卷积神经网络(CNN-BN)进行模式识别进而实现故障诊断.该方法针对泵偏磨、含杂质、轴断、气体影响等故障信号进行特征提取时,通过极少的超参数调节即可得到有着明显区分度的特征;基于高效的特征提取技术,该方法诊断准确率达到99.7％.最后,对潜油电泵的正常状态以及四种故障的现场数据进行分析,试验结果表明,该方法可以对电潜泵进行准确的故障诊断,具有较好的推广应用价值.