本发明提出一种基于残差与双级Elman神经网络的液压伺服系统故障定位方法，首先获取液压伺服系统在正常工作、电子放大器故障和泄漏故障三种状态的输入输出信号，利用正常状态的输入输出信号，训练故障观测器，通过故障观测器获取实时残差信号，然后实时在线训练状态跟随器，得到实时信号对应的网络连接权值，将残差信号的时域特征值和网络连接权值作为RBF故障定位器的训练输入样本训练RBF故障定位器。故障观测器和状态跟随器都采用改进的Elman网络实现。将时域特征值与故障阈值比较，可判断当前系统是否出现故障，通过故障定位器可得到故障类型。本发明实现了对液压伺服系统的故障定位，定位精确度高，具有工程应用性。