机电设备的正常运转与国民日常生活和企业经营生产息息相关,准确的机电设备剩余寿命预测是保障机电设备安全运行的重要手段。基于相似性的剩余寿命预测方法(简称为相似性寿命预测方法)是一种新兴的数据驱动型剩余寿命预测技术,具有无需退化信号建模、鲁棒性强、预测准确度高等优势,较适合被应用于机电设备的剩余寿命预测中。然而,目前与其相关的文献研究十分有限,而且还存在许多问题,如未考虑设备运行条件和维修的影响、多退化变量下相似性寿命预测研究较为匮乏、较少考虑退化变量的选择等等。这些问题极大地限制了相似性寿命预测性能的提升,进而影响了机电设备相似性寿命预测的准确度。因此,为了获得更为准确的机电设备剩余寿命,丰富现有的相似性寿命预测理论,有必要以机电设备相似性寿命预测为对象,重点分析影响机电设备相似性寿命预测准确度提高的关键问题,并提出解决这些问题的模型、技术、方法。为此,本文基于模糊数学理论和灰色理论等,对不同退化变量下机电设备相似性寿命预测的关键技术进行了深入研究,主要研究内容包括:(1)分别从考虑运行条件影响和考虑维修影响这两个角度,对单退化变量下的机电设备相似性寿命预测进行改进,由此提出一种新的权重计算函数和一种新的相似性测度函数。在考虑运行条件影响的研究中,首先,利用三角模糊数和数据标准化对服役样本和参照样本的运行条件进行数据预处理;然后,根据处理后的运行条件,利用变权法构建参照样本的新权重计算函数;最后,根据参照样本的权重,预测服役样本的剩余寿命。在考虑维修影响的研究中,首先,基于维修效果,构建服役样本与参照样本间的新相似性测度函数;然后,根据服役样本与参照样本间的相似度,预测服役样本的剩余寿命。同时,在陀螺仪剩余寿命预测的算例和A公司汽泵剩余寿命预测的案例中,通过与单退化变量下经典的相似性寿命预测的对比分析,验证了考虑运行条件影响的相似性寿命预测和考虑维修影响的相似性寿命预测的有效性和优越性,也就是能获得统计意义上预测准确度更高的剩余寿命预测结果。(2)提出多退化变量下机电设备相似性寿命预测的方案构建。首先,对单退化变量下机电设备相似性寿命预测的局限性进行分析,并由此提出多退化变量下的机电设备相似性寿命预测;其次,分析多退化变量下机电设备相似性寿命预测的关键问题,并结合信息融合级别,提出两种不同的预测方案,即先预测后融合方案和先融合后预测方案;再次,利用PCA(principal component analysis,PCA)和权重调整系数等,具体构建上述两种方案;最后,通过陀螺仪剩余寿命预测的算例和A公司汽泵剩余寿命预测的案例,验证了研究多退化变量下相似性寿命预测的必要性,和上述两种预测方案的合理性和可行性。(3)以先预测后融合方案为基础,提出了一种新的退化变量选择过程和参照样本选择过程,并由此提出了先预测后融合方案下基于两种选择过程的机电设备相似性寿命预测。首先,利用相关系数、Spearman系数和多目标函数等,建立退化变量选择函数以获得合适的退化变量,并计算退化变量初始权重;其次,根据所选退化变量的数量和类型,对参照样本进行筛选并计算参照样本的标准度;再次,结合所选参照样本的标准度,利用单退化变量下的相似性寿命预测获得服役样本的初始剩余寿命;最后,结合初始权重,利用变权法确定退化变量的最终权重,并结合初始剩余寿命,利用加权平均法计算服役样本的最终剩余寿命。同时,以陀螺仪剩余寿命预测为例,通过与多退化变量下经典的相似性寿命预测的比较分析,依次证明新的退化变量选择过程、新的参照样本选择过程和先预测后融合方案下基于两种选择过程的相似性寿命预测的可行性和优越性。(4)以先融合后预测方案为基础,分别提出一种新的退化变量维度融合方法,即将多个退化变量转化为实时健康度,和一种新的运行时间维度融合方法,即将多个退化变量转化为灰色生成率序列。对于退化变量维度融合,先采用PCA、SVDD(support vector data description)、马氏距离和负向转换函数计算服役样本和参照样本的实时健康度;然后,基于样本的实时健康度,利用单退化变量下经典的相似性寿命预测方法预测服役样本的剩余寿命。对于运行时间维度融合,首先,运用灰色累加生成模型计算服役样本和参照样本的灰色生成率序列;然后,结合样本的灰色生成率序列,利用灰色相似关联度分析法计算服役样本与参照样本间的相似度;最后,根据服役样本与参照样本间的相似度,通过相似加权平均法预测服役样本的剩余寿命。同时,在陀螺仪剩余寿命预测算例中,通过与其他算法的对比分析,依次验证了基于退化变量维度融合的相似性寿命预测和基于运行时间维度融合的相似性寿命预测的合理性和有效性。