Debido a la dificultad en la detección de fallos y el diagnóstico del servomotor hidráulico de ajuste, este artículo utiliza tecnología de extracción de características para extraer las características en el dominio del tiempo y en el dominio de la frecuencia de la señal de presión del servomotor hidráulico de ajuste y combinar las características de múltiples señales de presión a través del método de Fusión de Información Multi-fuente (MSIF). Se obtiene una expresión integral de la información del estado del dispositivo. Después de eso, este artículo propone un algoritmo de detección de fallos GA-SVDD-neg, que utiliza Algoritmo Genético (GA) para optimizar la Descripción de Datos de Soporte Vectorial con ejemplos negativos (SVDD-neg). A través de la optimización conjunta con el algoritmo de selección de características de Información Mutua (MI), se seleccionan las características que son más sensibles al deterioro del estado del servomotor hidráulico de ajuste. Los experimentos muestran que el algoritmo MI tiene un mejor rendimiento que otros algoritmos de reducción de dimensionalidad de características en el campo de la detección anómala de servomotores hidráulicos de ajuste, y el algoritmo GA-SVDD-neg tiene una mayor robustez y generalidad que otros algoritmos de detección de anomalías. Además, para aprovechar al máximo las ventajas del aprendizaje profundo en la extracción y clasificación automática de características, este artículo realiza el diagnóstico de fallos del servomotor hidráulico de ajuste basado en una Red Neuronal Convolucional 1D (1DCNN). Los resultados experimentales muestran que este algoritmo tiene el mismo rendimiento superior que el algoritmo tradicional en la extracción de características y puede diagnosticar con precisión los fallos conocidos del servomotor hidráulico de ajuste. Esta investigación es de gran importancia para la transformación inteligente de los servomotores hidráulicos de ajuste y también puede proporcionar una referencia para la advertencia y diagnóstico de fallos del sistema Electro-Hidráulico (EH) de turbinas de vapor del mismo tipo.