目前的深度学习方法在故障诊断领域中没有考虑数据之间的相互依赖关系，从而忽略了数据彼此之间的空间特征。针对此问题，提出一种基于图卷积神经网络（graph convolutional neural networks，简称GCN）模型的轴向柱塞泵故障诊断方法。首先，将轴向柱塞泵各类故障状态的原始信号进行预处理，构建具有标签的数据集；其次，使用欧式距离判定数据集中各个样本彼此之间的特征相似度，通过相似度对比的方法将数据集转化为图结构数据；然后，使用GCN自适应学习图结构数据中的节点特征和节点与节点彼此之间的空间特征，确定GCN模型的参数；最后，对测试样本进行故障状态识别，并分析该模型在不同工况下的性能表现。结果表明，该模型结构稳定，可以在不同工况下保持良好的泛化性能。