Para mejorar la fiabilidad de los tractores de transmisión hidro-mecánica no tripulados, se desarrolló un método de diagnóstico de fallos para su sistema de cambio de potencia. Primero, se identificaron los tipos de fallos y se recopilaron datos de muestra a través de un banco de pruebas. A continuación, se introdujo un método de extracción de características para la reducción de dimensionalidad de datos y una red de aprendizaje profundo llamada W_SCBAM para el diagnóstico de fallos. Tanto W_SCBAM como los algoritmos convencionales fueron entrenados 20 veces y se comparó su rendimiento. Se realizaron pruebas adicionales de W_SCBAM en varios escenarios de aplicación. Los resultados indican que el método de extracción de características reduce la longitud de la muestra de 46 a 3. La precisión del diagnóstico de fallos de W_SCBAM para el sistema de embrague de entrada radial tiene una expectativa del 98.5% y una varianza del 1.6%, superando a otros algoritmos. W_SCBAM también sobresale en el diagnóstico de fallos en el sistema de embrague de entrada axial, logrando una precisión del 97.6% incluso con ruido ambiental. A diferencia de los métodos tradicionales, este estudio integra la actualización de una matriz de reducción de dimensionalidad en el entrenamiento de parámetros de la red, logrando una clasificación de alta precisión con datos de entrada mínimos y una estructura de red ligera, asegurando una transmisión de datos fiable y un diagnóstico de fallos en tiempo real de tractores no tripulados.