随着精确的维修和再制造理念越来越深入，对系统或部件的剩余寿命预测、估计变得越来越重要。但现在的系统和部件越来越可靠，很难获得其故障数据，实际上不管是系统还是部件，其性能指标随着使用逐渐降低，转而考虑退化系统或部件的剩余寿命。本文针对退化系统运用时间序列的方法预测其剩余寿命。首先综述了剩余寿命的研究进展，详细介绍了数据驱动型的剩余寿命预测模型：基于直接观测数据的方法有，一是随机系数模型法、二是维纳过程的剩余寿命预测法、三是基于Gamma过程的预测方法；和基于间接观测数据的随机滤波方法。其次针对某滚动轴承振动烈度测试数据，运用AIC准则，确定自回归移动平均模型（ARMA）的阶数，运用最小二乘法估计该模型的参数，从而得到剩余寿命的预测值，实验显示预测误差较大。转而建立状态空间方程，利用卡尔曼滤波算法进行轴承剩余寿命预测，实验显示预测值和实际测量值吻合。接着针对部件退化是单调的情形，建立以Gamma过程为基础的状态空间模型，在不具备部件初始信息的前提下，利用EM算法估计模型参数，获得了剩余寿命的概率密度函数。最后总结了本文，并指明了进一步需要研究解决的问题。