随着工业自动化程度提升，电子信息设备在关键生产环节的应用日益广泛，其运行可靠性直接影响整体生产效率。传统故障诊断方法依赖人工经验，难以满足快速、准确的诊断需求。本研究提出一种基于深度学习的多源信息融合故障诊断方法。该方法通过设计改进型ResNet深度网络提取故障特征，并结合专家规则库，构建双分支诊断模型；同时，采用自适应特征融合机制，实现振动、温度、电流等多源信号的协同分析；并引入迁移学习策略，解决小样本场景下的模型训练问题。实验表明：该方法在多类故障场景下诊断准确率超过90%,平均响应时间低于100 ms,为电子信息设备智能运维提供了新的技术路径。