El diagnóstico inteligente de fallas en una tubería aero-hidráulica es importante para el monitoreo de la condición de sus sistemas. Sin embargo, no existen fórmulas cualitativas o indicadores de características más para describir las fallas de las tuberías aero-hidráulicas debido a la complejidad y diversidad de los sistemas de tuberías aero-hidráulicas, lo que conduce a un mecanismo de falla de tuberías muy complejo. Además, aunque se sabe que la expresión de modelos de diagnóstico inteligente de tuberías interpretables y representativos con características de falla de tuberías están enterradas en un alto ruido de fondo y condiciones de fuerte interferencia de ruido en escenarios industriales prácticos, esto aún no se ha discutido. Inspirado por la demanda, este documento propone una estrategia de diagnóstico novedosa: la estrategia de fusión espacio-temporal convolucional 1D para tuberías hidráulicas de motores aeroespaciales. En primer lugar, optimizando la red neuronal convolucional y utilizando para diseñar una red neuronal convolucional unidimensional (1DCNN) con una amplia escala de entrada para expandir el campo de percepción de entrada, obteniendo así información espacial más completa de los datos de la tubería, lo que puede extraer eficazmente características de secuencias cortas más ricas. En segundo lugar, se propone una red de Unidad Recurrente Bidireccional de Compuerta (Bi-GRU), que integra una secuencia corta de características de alta dimensión para la fusión de información temporal, lo que resulta en un cierto grado de evitar la pérdida de memoria y la dispersión de gradientes causada por el tamaño de paso demasiado grande. Se demuestra que, para la señal de ruido y la señal de presión variable, la precisión de identificación de fallas se aproxima al 95.9%, demostrando la robustez de la estrategia propuesta. Al comparar con otros cinco métodos, la estrategia propuesta tiene la capacidad de identificar 10 estados de falla diferentes en la tubería aero-hidráulica con mayor precisión.