Este estudio propone un método de diagnóstico de fallas para sistemas de transmisión armónica basado en la fusión de datos de múltiples sensores y el algoritmo de búsqueda gravitacional (GSA). Como componente crítico en brazos robóticos, las transmisiones armónicas son propensas a fallas debido al desgaste, la falta de grasa o una carga inadecuada, lo que puede comprometer la estabilidad del sistema y la eficiencia de producción. Para mejorar la precisión del diagnóstico, la investigación emplea la descomposición en paquetes de wavelet (WPD) y la descomposición en modos empíricos (EMD) para extraer características multiescala de las señales de vibración. Estas características se fusionan posteriormente, y se utiliza GSA para optimizar las características fusionadas de alta dimensión, eliminando datos redundantes y mitigando el sobreajuste. Las características optimizadas se introducen en una máquina de soporte vectorial (SVM) para la clasificación de fallas, utilizando validación cruzada K-fold para evaluar las capacidades de generalización del modelo. Los resultados experimentales demuestran que el método de diagnóstico propuesto, que integra la fusión de datos de múltiples sensores con la optimización de GSA, mejora significativamente la precisión del diagnóstico de fallas en comparación con métodos que utilizan señales de un solo sensor o características no optimizadas. Esta mejora es particularmente notable en escenarios de fallas multiclas. Además, la capacidad de búsqueda global de GSA aborda eficazmente los problemas de sobreajuste causados por datos de alta dimensión, lo que resulta en un modelo de diagnóstico con mayor fiabilidad y precisión en diversas condiciones de falla.