Un motor a chorro es la parte más significativa de un Motor de Combustión Interna (ICE) para Vehículos Eléctricos Híbridos. Específicamente, la unidad de rotor coaxial es el componente clave, cuyo rendimiento afecta en gran medida la eficiencia de trabajo. Por lo tanto, los métodos de diagnóstico de fallas para unidades de rotor coaxial son un enfoque principal. De acuerdo con nuestros resultados de prueba, el clip de retención del rodamiento es el elemento más vulnerable durante la rotación. Además, el diagnóstico de fallas a baja velocidad de rotación es incluso un desafío para los métodos actuales. Dado que el diagnóstico de fallas en el clip de retención del rodamiento de las unidades de rotor coaxial está ausente, este documento establece un banco de pruebas en una unidad de rotor coaxial en funcionamiento bajo diferentes condiciones de trabajo. Se recogen y analizan las señales de vibración tridimensionales para demostrar los estados de trabajo. En la tarea de clasificación de fallas del clip de retención del rodamiento, se desarrolla un modelo basado en aprendizaje profundo utilizando la Unidad Recurrente Bidireccional y la Red de Autopista, que es capaz de capturar características ocultas y eliminar información no relacionada. Para la evaluación del rendimiento de trabajo, se llevan a cabo experimentos con datos de diferentes velocidades de rotación. Entre todos los métodos de diagnóstico de fallas, nuestro modelo es el mejor enfoque y logra una precisión promedio del 99.4%. Los resultados alentadores revelan que el modelo propuesto es efectivo tanto en el diagnóstico de fallas a alta velocidad como a baja velocidad del mal funcionamiento del clip de retención del rodamiento.