在实际工程中,视情维修(CBM)可以有效保证设备可靠性,降低维修风险和各种成本,具有重大的现实意义。剩余使用寿命(RUL)预测作为视情维修的关键技术之一,近年来受到广泛关注。因此,为了解决实际中剩余使用寿命预测问题,并提高预测精度,本文以滚动轴承为研究对象,开展了基于最小二乘支持向量回归-隐半马尔可夫模型(LSSVR-HSMM)的剩余使用寿命预测研究,主要研究内容有:本文首先提出了一种基于最小二乘支持向量回归-隐半马尔可夫模型的滚动轴承剩余使用寿命预测方法,并对完整数据和缺失数据两种情况下的剩余使用寿命预测问题进行了详细研究。该方法对基于隐半马尔可夫模型的剩余使用寿命预测方法进行了改进,可以对滚动轴承剩余使用寿命进行良好预测。其次,在滚动轴承剩余使用寿命预测具体实施过程中,对于不同问题提出了三种解决技术。针对滚动轴承传感器数据处理问题,提出了一种基于多域特征和核主成分分析的振动信号处理技术;针对滚动轴承退化状态识别问题,提出了一种对观测序列分段集成后基于隐半马尔可夫模型的退化状态识别技术;针对滚动轴承观测序列预测问题,提出了一种基于鲸鱼群算法-最小二乘支持向量回归的观测序列预测技术。这三种技术是本文所研究方法的关键技术,保证了方法效果。接着,本文在IEEE PHM 2012轴承数据集中对本文所研究方法进行了具体应用和实验验证。结果表明本文三种关键技术是可行和可靠的,可以有效解决剩余使用寿命预测过程中的不同问题;同时,在完整数据和缺失数据两种情况下本文方法对滚动轴承的剩余使用寿命均具有良好的预测效果。最后,本文对全文的工作进行了总结,并结合本文内容展望了未来值得进一步研究的方向。