准确的剩余寿命预测有助于提高系统的可靠性安全性，并降低系统全生命周期的经济成本。工程应用中，由于不确定测量的影响，随机退化系统的非线性退化特征一般处于隐含状态。针对现有隐含尺度变换非线性维纳退化过程主要应用于退化建模和寿命分布估计的问题，提出一种针对隐含尺度变换非线性维纳退化过程的剩余寿命预测方法。建立同时考虑测量误差和尺度变换非线性维纳过程的退化模型，并通过Kalman滤波方法根据设备现场退化数据进行参数在线更新。推导出考虑模型参数在线更新的剩余寿命概率密度函数和累积分布函数解析表达式。基于历史退化数据，提出一种针对隐含尺度变换非线性维纳退化过程模型未知参数的极大似然无偏估计方法。通过仿真退化数据和实际涡扇发动机数据进行实验验证。实验结果表明，同时考虑测量不确定性和非线性退化特征的剩余寿命预测方法具有更高的预测精度。