轴承故障诊断在保障机械系统平稳运行方面具有极其重要的意义。然而,单通道振动传感器数据在全面表征轴承故障特征方面存在局限性,且故障诊断模型提取的故障特征代表性不足导致模型在面对变化的工作条件时可靠性低,泛化能力差。因此,本文提出了一种基于双级数据融合(DLDF)的新型智能轴承故障诊断模型。首先,使用信息方法获得每个通道数据的融合权重。然后,提出了一种新颖的多模态图像融合策略,将X、Y和Z通道在特定测量点处的振动数据的时间-频率表示进行融合。最后,将CNN模型提取的浅层和深层特征组件以及通过不同映射方法获得的特征组件进行融合,以提取更具代表性的故障特征,实现在时变速度条件下对轴承故障的可靠诊断。通过两套轴承实验数据在时变速度条件下的故障诊断结果,证明了所提出的方法的有效性和可靠性。