Para abordar la limitada capacidad de generalización de los modelos de diagnóstico de fallos impulsados por datos, causada por la escasez de muestras de fallos en engranajes en la práctica de ingeniería, este artículo propone una red de fusión dual guiada por atención jerárquica y basada en datos y conocimiento para el diagnóstico inteligente de fallos en condiciones de pocos disparos. A diferencia de los paradigmas tradicionales impulsados por datos únicos, este método supera las limitaciones de muestras limitadas a través de la sinergia del conocimiento previo y los datos de monitoreo. Primero, se utiliza el conocimiento del dominio del diagnóstico de fallos en engranajes para construir características previas de los datos de monitoreo. En segundo lugar, se diseña una red neuronal convolucional profunda para capturar jerárquicamente características abstractas de los datos de monitoreo. Posteriormente, se propone un módulo de atención jerárquica para realizar la fusión adaptativa de características previas y características abstractas a través de la asignación de pesos de características jerárquicas, generando características fusionadas altamente discriminativas para una identificación precisa de fallos en engranajes. Los resultados experimentales en datos de fallos de engranajes demuestran que el método propuesto alcanza una precisión de reconocimiento de 0.9880 con menos del 10% de las muestras de entrenamiento, superando significativamente a modelos puramente impulsados por datos como MGAN y CNET, verificando así su superior capacidad de generalización para entrenar a pesar de la escasez de datos. Este enfoque establece un nuevo paradigma de fusión dual impulsado por datos y conocimiento para el diagnóstico inteligente de fallos en equipos mecánicos en condiciones de pocos disparos.