Los rodillos son partes rotativas típicas de un transportador de banda que transporta la banda y los materiales. El ruido operativo complejo y las características inestables conducen a una baja precisión en el diagnóstico de fallos de rodillos basado en sonido. Este artículo propone un método de diagnóstico de fallos para rodillos de transportadores de banda basado en la autoatención dinámica (DSA) del Transformador. En primer lugar, se extrae el espectro de tiempo-frecuencia ponderado A del sonido del rodillo como entrada. En segundo lugar, basado en el bloque DSA, se diseña el algoritmo DSA de correlación cruzada multifrecuencia para extraer las características de correlación cruzada entre diferentes bandas de frecuencia en el mapa de características de entrada, y se aplica el algoritmo DSA global para percibir y mejorar las características de correlación global en paralelo. Finalmente, las características de correlación cruzada y global se concatenan y se proyectan linealmente en un espacio de tipo de fallo para diagnosticar fallos típicos de rodamientos y rodillos de los rodillos. El método hace pleno uso de la información relevante dispersa en diferentes bandas de frecuencia del sonido de funcionamiento del rodillo bajo condiciones de trabajo complejas y reduce el efecto negativo del fuerte ruido de funcionamiento en la extracción de características de fallos débiles. Los resultados experimentales muestran que la precisión del diagnóstico de fallos es del 94.6% y la latencia es de 27.8 ms.