当前工程机械领域采用的维修方式主要是以日常保养为主,以定期检修为辅。这样的维修方式很容易出现设备突发故障,从而导致设备非计划停机,增加经济损失。因此,工程机械领域正逐步引入状态修的维修方式,部分企业已经对设备实现了状态监测并采集了大量数据,但如何有效利用数据来分析设备的健康状态是制约工程机械状态修的瓶颈。剩余寿命预测技术是砼活塞等耗损型部件实现预防性更换的关键,因此本文以砼活塞为研究对象,提出一套基于数据挖掘的砼活塞剩余寿命预测方法并开发砼活塞剩余寿命预测原型系统,实现砼活塞的剩余寿命实时预测与监控。论文的主要研究内容为:(1)研究了多源异构数据的预处理方法,包括异常值处理和数据降噪,为数据的有效利用和数据质量提供了保证。然后利用预处理后的数据提取特征,在特征提取部分提取了剩余寿命预测领域广泛使用的时频域特征,并根据砼活塞耗损件的劣化特点提取了局部时间窗口特征。(2)研究了模型融合方法对砼活塞剩余寿命预测的有效性,以提取的特征为剩余寿命预测模型的输入,考虑数据的量级和复杂性,选择了多种不同的回归模型来实现剩余寿命预测,并通过对比模型在测试集上的表现选出较优的模型进行模型融合,提高模型的整体预测精度。然后针对小数据量对模型预测的影响,将数据增强技术应用于砼活塞剩余寿命预测中,增加了有效的训练样本,进一步提高了模型的预测精度。(3)设计并开发了砼活塞剩余寿命预测原型系统,从系统需求分析、系统设计到系统开发与验证,将砼活塞剩余寿命预测研究成果转化为实际应用,实现了砼活塞剩余寿命的实时预测与预警。本文最终形成了一套砼活塞剩余寿命预测方法,并开发了砼活塞剩余寿命预测原型系统。系统能够对砼活塞剩余寿命进行实时预测,并对在役砼活塞的剩余寿命进行监控和预警。