针对航空装备机械传动系统中螺旋锥齿轮振动信号受复杂工况影响而呈现的非平稳与多模态特征，现有方法难以充分挖掘跨模态互补信息，导致智能诊断精度不足的问题，提出一种基于物理信息引导的多模态时频特征融合网络。首先，采用特征模态分解（feature mode decomposition， 简称FMD）自适应提取故障敏感模态；其次，联合短时傅里叶变换（short-time Fourier transform， 简称STFT）时频图与马尔可夫转移场（Markov transition field， 简称MTF）状态转移特征图，分别表征敏感模态的动态响应与状态演化规律；最后，通过交叉模态注意力机制与自适应加权策略实现多模态特征融合，并引入多尺度融合模块以增强网络对空间分辨率的敏感性，最终实现高精度故障模式识别。实验结果表明，该方法在直升机螺旋锥齿轮箱实测数据集上的分类精度达到99.44%，相比基于ConvNeXt架构的卷积神经网络（ConvNeXt based convolutional neural network，简称CCNN）、双重注意力增强EfficientNet网络 （dual attention enhanced EfficientNet network，简称DAEN）等主流模型，在分类稳定性与准确性方面均具有显著优势，验证了其在航空齿轮故障诊断任务中的优异性能。