随着我国智能电网与分布式电源等新技术的不断扩展,对承担电能传输与分配作用的低压电器提出了更高的要求,如何强化电工装备全寿命周期下的状态信息反馈是近年来讨论的热点。交流接触器作为可实现远距离频繁开断的自动控制电器,挖掘其全寿命状态信息,判断其退化状态并构建产品的寿命预测模型,深化对交流接触器退化进程的了解,有助于逐步推进电器的智能化,同时提升电力系统的运行可靠性。本文依托于全寿命试验得到的退化参数,通过基于k-近邻互信息（k NN-MI）的退化特征选择方法,选择了与寿命进程相关性高的特征子集,并输入到动态神经网络建立了接触器寿命预测模型。首先,由交流接触器的物理构造出发,深入分析其通断过程、失效机理,挖掘可以表征接触器全寿命状态信息的退化特征。借助交流接触器性能评估测试平台,选用CJX2-8011型交流接触器进行试验。获取全寿命周期下被试接触器的三相触头电压信号、三相触头电流信号、线圈电压信号与线圈电流信号,并由此计算出接触电阻等7种退化特征数据。其次,为降低寿命预测模型中输入特征的维度,并于一定程度上保留退化特征数据中蕴含的信息,结合退化特征数目较多,且具备非线性的特点,使用k NN-MI的方法进行退化特征选择。高效地选取了与寿命进程相关性较高的特征,构成最优强相关特征子集,用作后续预测模型的输入参数。最后,将最优强相关特征子集进行数据预处理,而后输入到基于外生变量输入的非线性自回归（NARX）动态神经网络,构建交流接触器寿命进程预测模型。经过比较预测结果,基于最优强相关特征子集的模型与基于接触电阻的模型都有较好的预测效果。融合多种特征的特征子集相比于任一单一特征预测效果更佳。另外,通过对比同参数的静态非线性输入—输出神经网络,考虑输出时延性的NARX动态神经网络具备更高的预测精度。