航空发动机的健康管理与剩余寿命预测是航空航天领域的关键技术之一,是提高发动机安全可靠性和经济性的重要技术手段。剩余寿命预测作为健康管理的核心技术,旨在通过预测整机或部件的剩余寿命为运行规划和维修决策提供技术支撑。近年来航空发动机剩余寿命预测研究发现,一方面单一特征数据会直接影响剩余寿命的预测精度,另一方面过多的特征数据则存在信息冗余及时间序列信息考虑不充分的问题。因此,研究提出了一种基于特征优选的航空发动机剩余寿命预测方法,研究围绕着监测数据预测、特征的多目标优选和剩余寿命预测等内容展开研究:首先,基于长短时记忆网络建立单序列监测数据预测模型,预测不同工况下发动机测试样本的数据集。其次,基于特征融合与相似性匹配法,计算预测数据集剩余寿命值的均方根误差,定义剩余寿命预测评价指标,并分别基于多目标粒子群算法（MOPSO）和非劣分层遗传算法（NSGA-II）进行特征优选。最后,对基于特征优选的发动机剩余寿命预测效果进行了验证,并提出了一种新的改进标定策略（退化界限占比值α）,分析了该策略对发动机剩余寿命预测效果的影响。研究结果表明:1)基于长短时记忆网络建立的单序列监测数据预测模型拟合能力都达到较好的水平,能够较好地预测未来一定时间周期内的发动机特征监测数据;2)在一定特征数量范围内,随着特征数量的增加,剩余寿命预测效果呈现了不断提高的趋势,然而当继续增加特征数量,剩余寿命预测效果开始出现下降,说明了冗余特征会导致了发动机剩余寿命预测效果劣化,证明了特征优选对发动机剩余寿命预测的必要性;3)以不同工况的样本集分别用于特征多目标优选和剩余寿命预测研究,结果表明所提方法的正确性和鲁棒性。随着退化界限占比值α从0.65减小到0.35,不同特征数量下的剩余寿命预测效果均提升超过40%,说明提出的改进标定策略可以有效提升发动机RUL预测的效果。