Se presenta un método de diagnóstico de fallas para válvulas de compresores alternativos adecuado para condiciones de operación variables en este documento. En primer lugar, se construye de manera independiente un banco de pruebas para simular escenarios de fallas bajo diversas condiciones de operación y con varias fallas. Se recopilan dos tipos de diagramas p-V, y se utiliza un método mejorado de adquisición de diagramas p-V logarítmicos para realizar la transformación logarítmica y obtener el conjunto de datos de diagramas p-V logarítmicos multi-condicionales y el conjunto de datos de diagramas p-V logarítmicos de fallas. Posteriormente, para predecir el diagrama p-V logarítmico sin fallas bajo diferentes condiciones de operación, se entrena una red neuronal BP con el conjunto de datos de diagramas p-V logarítmicos multi-condicionales. A continuación, se deriva la secuencia de fallas restando el diagrama p-V logarítmico de fallas del diagrama p-V logarítmico sin fallas adquirido bajo la misma condición de operación. Finalmente, la extracción de características de la secuencia de fallas y la clasificación de fallas se llevan a cabo mediante el uso de una red neuronal siamés de triplete (SNN). Los resultados indican que la precisión de clasificación de fallas del método presentado en este documento puede alcanzar el 100%, lo que confirma que el procesamiento diferencial en el diagrama p-V logarítmico es efectivo para el preprocesamiento de características de fallas. Este estudio no solo mejora la precisión y eficiencia del diagnóstico de fallas de válvulas en compresores alternativos, sino que también proporciona apoyo técnico para el mantenimiento y la prevención de fallas.