针对往复式压缩机在线监测以及智能化故障诊断预警实际需求，提出一种等参元归一化示功图预处理方法。首先，使用转换示功图坐标域的等参元方式归一化处理示功图；其次，将归一化后的示功图输入卷积神经网络进行分类识别，实现压缩机数据的自学习与故障智能诊断；最后，针对部分易混淆故障类型，将融合阀盖振动频域信号作为模型附加输入，可显著提升模型的识别准确率。采用等参元方式归一化处理过的示功图，无需考虑工艺变化、环境改变等造成示功图图形改变的因素，处理后的样本有助于神经网络智能识别，有更高的准确率和普适性。经480个模拟仿真和实验台故障数据验证表明，未融合信号前模型的诊断准确率为97.99%，融合信号后模型的诊断准确率达到100%，可用于往复式压缩机的故障识别和健康管理。