机械产品剩余寿命预测是预防性维修和再制造决策的重要信息。有关机械产品的剩余寿命预测研究经历了很长久的时间,近几年来,基于在线监测数据建立状态空间模型来进行剩余寿命预测的研究越来越广泛。然而,,作为剩余寿命预测中的主要环节状态空间模型的参数估计方法还需要我们更加深入的研究。对我们来说,预测机械产品的剩余寿命是一个长期而且非常复杂的过程[1]。它需要我们进行较长时间的对于机器设备的跟踪以及观测,这样才能采集并且获取其较为准确的相应的历史数据,才能对其未来的发展状况做出评价及预估。尤其针对于一些较为庞大并且复杂的系统,我们选取哪些指标用来衡量,其整机的机械剩余寿命也是我们正要急需探讨的问题及方向。在这篇文章当中,我们提到的几种用于预测的方法,其实,是有一定的不足之处的,在应用到机械设备寿命的预测当中要注意多避开缺点。在这篇文章中,我们主要会介绍一些关于机械产品剩余寿命预测的常用方法,与此同时对于预测技术与方法提出一些未来新的展望。本文选取了 Rexnord公司的ZA-2115双列圆柱滚子轴承的振动数据,为了验证模型的性能,我们对其中的历史数据,即振动烈度数据进行建模分析。本文主要针对于“滚动轴承振动烈度序列”来建立关于状态空间的有效模型,对滚动轴承的振动烈度变化趋势进行了预测和估计。我们通过运用“卡尔曼滤波算法、粒子滤波算法”,并分别求出了相应时刻的可靠性下度,预测结果充分证明了模型的可行性和有效性。在这篇文章中,我们比较了不同估计方法的优点及缺点。通过认真总结、分析不同状态空间模型的参数估计方法,使得我们更好的了解其使用条件及应用范围。我们将最常用的六种参数估计方法,分别进行分析比对。通过分析比较不同参数估计方法的优势与缺点,不仅仅有助于实施状态空间模型参数估计,更有利于改进针对具体的应用实例提出的算法。这篇文章中,主要采用了两种较为典型性的参数估值方法(它们分别是:“卡尔曼滤波算法”,“粒子滤波算法”)。我们主要通过对一段时间内监测到的“滚动轴承振动烈度”的有效序列,建立关于有效序列分析的状态空间模型。通过模型的建立与比对,我们预测出了振动强度的未来合理趋势,通过公式计算获得了相对应的可靠性分析。通过获得的预测结果,状态空间模型的可行性以及有效性被有效地证明,最终我们取得了比较满意的结果。