En este artículo, se construye y aplica una red neuronal convolucional de grafos para el diagnóstico de fallos en rodamientos. Específicamente, se adopta primero la transformada constante-Q (CQT) para el análisis espectral de señales de vibración, donde las frecuencias se distribuyen en una escala logarítmica. Se pueden obtener diversas resoluciones de frecuencia para satisfacer el requisito de resolución espectral y reducir la dimensión de la señal. Posteriormente, el espectro CQT se modela mediante un grafo, donde los nodos son intervalos de frecuencia y los bordes reflejan la relación interna entre diferentes intervalos. Hay bordes entre los componentes fundamentales y armónicos. Luego, se utiliza una red neuronal convolucional de grafos (GCN) de dos capas para evaluar la importancia de las fuentes de vibración dentro de las señales mixtas. Finalmente, se determinan los fallos en los rodamientos según la salida de la GCN. Hasta donde sabemos, este es el primer trabajo que modela la señal de vibración en esta estructura de grafo. La ventaja de este enfoque radica en la simplificación de las definiciones de bordes, facilitando las relaciones de conectividad compartida entre la frecuencia fundamental y los armónicos. Su rendimiento se comparó con otro modelo de diagnóstico de fallos de última generación. Los resultados experimentales demuestran que el modelo propuesto obtiene una mayor precisión y es más efectivo en la extracción de características discriminativas.