En las industrias modernas, los rodamientos a menudo se enfrentan a desafíos derivados del ruido ambiental y las variaciones en las condiciones de operación durante su funcionamiento, lo que afecta los métodos de diagnóstico de fallas existentes que dependen de señales de tipos de sensores únicos. Estos métodos a menudo no logran proporcionar información de fallas completa y estable, afectando así el rendimiento del diagnóstico. Para abordar este problema, este artículo presenta un método de fusión de información de múltiples fuentes y dominios para el diagnóstico de fallas (M2IFD) de rodamientos, integrando un mecanismo de atención para mejorar el proceso de diagnóstico. El método propuesto se estructura en tres etapas principales: inicialmente, la señal original se transforma en dominios de frecuencia y tiempo-frecuencia utilizando la transformación espectral de envolvente (EST) y la transformación de Bessel (BT) para extraer características de fallas más ricas. En la segunda etapa, las características se extraen de manera independiente de cada dominio transformado y se combinan con un mecanismo de atención de canal para la fusión de características, preservando la información única de cada fuente de señal. Finalmente, las características de múltiples dominios se fusionan aún más a través de un mecanismo de atención para mejorar la precisión de clasificación de fallas. Amplios experimentos de comparación realizados en el conjunto de datos de Paderborn ilustran que el método M2IFD propuesto mejora significativamente la precisión del reconocimiento de fallas en diversas condiciones de operación, demostrando su adaptabilidad y robustez. Este enfoque presenta nuevas avenidas para el diagnóstico de fallas en rodamientos, con implicaciones significativas tanto para aplicaciones teóricas como prácticas.