针对航空电连接器在复杂工况下连接状态声学检测中存在的单一特征表征不足、融合不充分导致的识别精度与泛化性能受限的问题，提出了一种基于双通道特征动态融合网络（dual-channel feature dynamic fusion network，简称DCFDFN）的连接状态检测方法。首先，将敲击声信号转换为连续小波变换（continuous wavelet transform，简称CWT）时频图和语谱图两类特征图谱；其次，采用多尺度特征提取残差模块Res2Net对两类图谱进行多尺度特征提取；然后，引入基于多尺度通道注意力模块（multi-scale channel attention module，简称MS-CAM）的动态融合机制对双通道特征进行自适应加权，并结合附加角度边距损失函数增强相似连接状态的类间可分性，实现连接状态识别；最后，在固定敲击、随机敲击强度及加噪条件下进行验证。结果表明：所提方法在固定敲击多工况测试中准确率达到99.33%，在随机敲击强度的非训练分布数据上准确率为90.17%，且在信噪比SNR≥0 dB时准确率保持在92%以上。所提出方法实现了敲击声特征的多尺度建模与自适应融合，可提高航空电连接器连接状态检测的精度、鲁棒性与泛化能力。