La extracción de características de fallos en el diagnóstico de fallos mecánicos es un desafío y conduce a una baja precisión en el diagnóstico. En esta investigación se presenta un nuevo método de diagnóstico de fallos utilizando redes neuronales convolucionales de múltiples escalas (MSCNN) y máquinas de aprendizaje extremo, que se llevó a cabo en tres etapas: Primero, las señales de vibración recopiladas se transformaron en imágenes utilizando la transformada wavelet continua. Posteriormente, se diseñó una MSCNN para extraer todas las características detalladas de las imágenes originales. Los mapas de características finales se obtuvieron fusionando múltiples capas de características. Los parámetros en la red se generaron aleatoriamente y permanecieron sin cambios, lo que podría acelerar efectivamente el cálculo. Finalmente, se utilizó una máquina de aprendizaje extremo para clasificar los fallos basándose en los mapas de características fusionados, y se estableció la relación potencial entre el fallo y las etiquetas. Se confirmó la efectividad del método propuesto. Este método tiene un mejor rendimiento en el diagnóstico y clasificación de fallos mecánicos que los métodos existentes.