El actual algoritmo de diagnóstico de fallos por fusión de múltiples fuentes rara vez considera la correlación de información de redes de múltiples sensores y la importante diferencia entre los múltiples sensores. Enfocándonos en este desafío, proponemos un método inteligente de identificación de fallos para el bogie de ferrocarril de alta velocidad basado en una red neuronal gráfica incrustada con conocimiento previo, que incorpora la información espacial de la red de sensores en el algoritmo de diagnóstico y repondera cada sensor de acuerdo con los resultados del diagnóstico. En primer lugar, se calcula la correlación en el dominio del tiempo de las señales de vibración entre las redes de sensores del bogie como conocimiento previo. Luego, basado en la relación topológica espacial de los sensores, se establece la matriz de correlación gráfica de la red. Además, la importancia de cada sensor se analiza y actualiza dinámicamente junto con el proceso de entrenamiento. El método propuesto se prueba en un banco de pruebas de bogie de alta precisión, y los resultados experimentales demuestran la efectividad y superioridad del método propuesto.