Los rodamientos son componentes clave del equipo mecánico moderno. Para abordar el problema de que la información limitada contenida en la señal de una sola fuente del rodamiento conduce a la precisión limitada del método de diagnóstico de fallos de una sola fuente, se propone un método de diagnóstico de fallos por fusión de múltiples sensores para mejorar la fiabilidad del diagnóstico de fallos de rodamientos. En primer lugar, se mejora el proceso de extracción de características de la red neuronal convolucional (CNN) basado en la teoría de la inferencia bayesiana variacional, lo que forma la red neuronal convolucional de inferencia bayesiana variacional (VBICNN). Se utiliza VBICNN para obtener resultados de diagnóstico preliminares de señales de un solo canal. En segundo lugar, considerando la redundancia de información contenida en señales de múltiples canales, se utiliza una estrategia de votación para fusionar los resultados de diagnóstico preliminares del modelo de un solo canal y obtener los resultados finales. Finalmente, se evalúa el método propuesto mediante un conjunto de datos experimental del rodamiento de la caja de eje de un tren de alta velocidad. Los resultados muestran que la precisión media del diagnóstico del método propuesto puede alcanzar más del 99% y tiene una estabilidad favorable.