En los últimos años, los métodos de aprendizaje profundo han logrado avances en el campo del diagnóstico de fallas en equipos rotativos, gracias a sus poderosas capacidades de análisis de datos. Sin embargo, las señales de vibración suelen incorporar características de fallas y ruido de fondo, y estas características pueden estar dispersas en múltiples niveles de frecuencia, lo que aumenta la complejidad de extraer información importante de ellas. Para abordar este problema, este artículo propone una Red de Atención Multi-Rama en Cascada y enmascarada (MCMBAN), que combina el Bloque de Filtro de Ruido enmascarado (NMFB) con el Bloque de Atención en Cascada Multi-Rama (MBCAB), y mejora significativamente la inmunidad al ruido del modelo de diagnóstico de fallas y la eficiencia de la extracción de características de fallas. NMFB combina de manera novedosa una capa de convolución amplia y un mecanismo de enmascaramiento de auto-atención de vecinos más cercanos, para filtrar de manera eficiente el ruido de alta frecuencia innecesario en la señal de vibración. Por otro lado, MBCAB refuerza la interacción entre diferentes capas al encadenar las capas de convolución de diferentes escalas, mejorando así el reconocimiento de señales de fallas periódicas y aumentando considerablemente la precisión del diagnóstico del modelo al procesar señales complejas. Finalmente, se emplea la técnica de análisis tiempo-frecuencia para explorar en profundidad los mecanismos internos del modelo, con el objetivo de validar la efectividad de NMFB y MBCAB en el reconocimiento de características de fallas y mejorar la interpretabilidad de las características de los modos propuestos en aplicaciones de diagnóstico de fallas. Validamos el rendimiento superior del modelo de red al tratar con fondos de alto ruido al probarlo en un conjunto de datos estándar de rodamientos de la Universidad Case Western Reserve y en un conjunto de datos de fallas de rodamientos compuestos autoconstruido, y los resultados experimentales muestran que su rendimiento superó a seis de las principales técnicas actuales de diagnóstico de fallas.