El monitoreo y diagnóstico de la condición del equipo es un medio importante para detectar y eliminar fallas mecánicas en tiempo real, asegurando así un funcionamiento seguro y confiable del equipo. Este método tradicional utiliza señales de vibración de medición por contacto para realizar el diagnóstico de fallas. Sin embargo, existe un entorno especial de alta temperatura y alta corrosión en el campo industrial. Las necesidades industriales no pueden ser satisfechas a través de la medición. El equipo mecánico con condiciones de trabajo complejas tiene varios tipos de fallas y diferentes caracterizaciones de fallas. La señal de sonido del dispositivo de medición sin contacto con micrófono puede adaptarse eficazmente al entorno complejo y también reflejar el estado operativo del dispositivo. Para la misma pieza de trabajo, si se pueden recopilar simultáneamente sus señales de vibración y sonido, ambas se complementan, lo que es beneficioso para el diagnóstico de fallas. Una de las limitaciones de la fuente de señal y el sensor es la dificultad para evaluar el estado del engranaje bajo diferentes condiciones de trabajo. Este estudio propone un método basado en un método de teoría de evidencia mejorada (teoría IDS), que utiliza una red neuronal convolucional para combinar señales de vibración y sonido para realizar el diagnóstico de fallas en engranajes. Los resultados experimentales muestran que nuestro método de fusión basado en la teoría IDS obtiene una tasa de diagnóstico más precisa y confiable que otros métodos de fusión.