Como una de las principales fallas de un desconector, una falla mecánica es difícil de diagnosticar a tiempo debido a su débil auto-evidencia, su amplia gama de categorías de fallas y la dificultad para obtener datos de muestras de fallas. Para abordar este problema, este estudio propone un nuevo algoritmo de diagnóstico de fallas basado en la descomposición de modo variacional multivariante optimizada por el optimizador de escarabajo estiércol mejorado, y al mismo tiempo, se construyó una plataforma experimental para la adquisición de señales de vibración para simular tres fallas mecánicas típicas. Primero, se optimizaron los parámetros de la descomposición de modo variacional multivariante utilizando un optimizador de escarabajo estiércol mejorado, y se retuvo la función de modo intrínseco con un coeficiente de correlación de Pearson superior a 0.1 después de que la señal fue descompuesta. Luego, se calcularon la energía, la entropía y los valores propios del dominio tiempo-frecuencia de la función de modo intrínseco seleccionada para construir la matriz de características, y sus dimensiones se redujeron a dos dimensiones. Finalmente, esta matriz se introdujo en una red neuronal convolucional-memoria a largo y corto plazo bidireccional para la clasificación de fallas. La verificación de los datos experimentales muestra que el algoritmo propuesto puede diagnosticar con éxito diferentes fallas mecánicas del desconector, y la tasa de precisión fue del 96.67%. El contenido de la investigación proporciona una nueva idea para el diagnóstico de fallas de desconectores.