El aprendizaje por transferencia es un tema que ha atraído la atención para el diagnóstico inteligente de fallos en rodamientos, ya que aborda conjuntos de datos de rodamientos que tienen diferentes distribuciones. Sin embargo, los métodos tradicionales de diagnóstico inteligente de fallos basados en el aprendizaje por transferencia tienen las siguientes dos desventajas. (1) Se desatienden las características de la estructura multimodal de los conjuntos de datos de rodamientos. (2) Algunas regiones locales de las señales de los rodamientos pueden no ser adecuadas para la transferencia debido a la fluctuación de la señal. Por lo tanto, se propone una red de transferencia adversarial ponderada de múltiples dominios para el diagnóstico inteligente de fallos en rodamientos en dominios cruzados. En el método propuesto, se diseñan módulos de adversarialidad y ponderación de atención de múltiples dominios para considerar las características de la estructura multimodal de los rodamientos y resolver la influencia de las regiones locales no transferibles de las señales, respectivamente. Se utilizan dos casos de diagnóstico para verificar el método propuesto. Los resultados muestran que el método propuesto es capaz de extraer características invariantes al dominio para diferentes casos de diagnóstico en dominios cruzados, mejorando así la precisión de la identificación de fallos.