随着机械技术和工程技术的发展和对关键设备的可靠性要求的不断提高、系统和部件的复杂程度不断上升,以及对提高设备的可靠性、降低运行风险与运行成本的要求,需要采取措施对设备进行剩余寿命评估和状态监测。航空发动机是飞机上最重要的组成系统,该系统集成度高、结构复杂,更需要采取措施对航空发动机进行监测和维护,为航空系统提供强有力的飞行保障。为此,故障预测与健康管理（Prognostics and Health Management,PHM）技术受到了学术界和工业界的普遍关注。作为PHM的核心技术之一,剩余寿命的预测和评估能够提前预知设备的健康状态和未来趋势,并为设备的健康管理提供极具价值的参考。剩余寿命的预测方法目前主要分为基于物理模型的方法、基于数据的方法和基于经验的方法。随着信息化时代和大数据时代的到来,大量过程数据被获取,因此基于数据的方法被越来越广泛的应用。由于没有一个通用的性能评估框架,因此总结了一些常用的评价指标对剩余寿命的预测结果进行量化分析,实现对预测结果精度的评估和改进。基于相似性的剩余寿命预测作为一种新兴的数据驱动方法,能够高效地将大量的历史数据融合到当前退化过程中,且具有较强的鲁棒性和较高的精度。该方法主要包括数据处理、健康指标构建、相似性模型建立等部分,数据处理包括标准化处理和主元分析,健康指标构建包括健康指标的分类和构建健康指标的方法,相似性模型建立包括时间范围确定、相似性测度选择、权重函数选择和剩余寿命预测。采用相似性方法对涡扇发动机进行了剩余寿命预测,验证了该方法的有效性;利用相似性模型对训练数据集进行数据处理、健康指标构建和相似性建模,之后用测试数据集进行剩余寿命预测,并对采用不同健康指标拟合模型、相似性测度、权重函数的寿命预测性能进行了对比,同时在研究中加入了平滑措施以改进预测效果,最终得到了相似性模型的最佳预测结果。最后,梳理了全文所做的工作,并对研究中存在的不足以及下一步的研究工作进行了总结和展望。