随着信息技术的迅速发展,在现代科技工业各个领域的工程系统日趋复杂。针对复杂系统故障诊断和维护,以剩余寿命预测技术为核心的健康管理愈发显得重要。　　本论文基于降级曲线相似度原理框架,提出了基于自动相关决定投影非负矩阵分解算法的系统降级特征提取方法,并在此基础上通过加入近邻保留假设提升了系统对于不同实例的分离程度,在提高了预测精度的同时也具有较好的可解释性,具体如下:　　针对非高斯、时序相关条件下特征提取有效性问题,提出了基于贝叶斯稀疏编码原理的自动相关决定投影非负矩阵分解方法,通过加入基矩阵的Jeffery先验,自动寻找到系统特征模式的投影空间,具有良好的解释　　针对系统在运行不同时刻降级趋势的变化特性,提出了在基于投影非负矩阵分解的特征选取方法基础上,通过增加近邻保留假设,将原始数据投影到对缺陷模式演变的分离度更高的特征空间,提高了设备性能评估特征选取的准确度。　　针对剩余寿命建模的效率与可解释性问题,提出基于样本点对高斯过程回归模型的表示性进行主动采样,在回归精度不明显下降的情况下提升了运算的速度,也提高了回归模型对于剩余寿命预测的泛化能力。