Los robots industriales desempeñan un papel indispensable en las líneas de producción flexibles, y las fallas causadas por la degradación de equipos, motores, articulaciones del sistema mecánico e incluso la diversidad de tareas afectan la eficiencia de las líneas de producción y la calidad del producto. Con el objetivo de lograr un diagnóstico de fallas de alta precisión y de múltiples tamaños en los brazos robóticos, este estudio presenta un método basado en una red neuronal de multiclasificación de retropropagación (BP) para el diagnóstico de fallas en brazos robóticos mediante la fusión de características de posición, actitud y aceleración del extremo efectuador del brazo robótico UR10 para establecer la base de datos para el entrenamiento de la red neuronal. El nuevo algoritmo logra una precisión superior al 95% para el diagnóstico de fallas de cada articulación, y una precisión diagnóstica de hasta 0.1 grado. Cabe destacar que el algoritmo de diagnóstico de fallas puede detectarlas de manera efectiva y oportuna, evitando operaciones matemáticas complejas.