本發(fā)明屬于人工智能技術(shù)領(lǐng)域，具體公開了一種基于數(shù)模聯(lián)動(dòng)的服役設(shè)備剩余壽命在線自適應(yīng)預(yù)測(cè)方法，在離線訓(xùn)練階段，構(gòu)建綜合壽命預(yù)測(cè)值與設(shè)備實(shí)際壽命的均方誤差和壽命預(yù)測(cè)方差的優(yōu)化目標(biāo)函數(shù)，形成復(fù)合健康指標(biāo)提取與隨機(jī)退化建模的反饋閉環(huán)，對(duì)多源傳感器融合系數(shù)和失效閾值進(jìn)行反向優(yōu)化調(diào)整，實(shí)現(xiàn)兩者的交互聯(lián)動(dòng)，確定多源傳感數(shù)據(jù)融合系數(shù)向量和失效閾值；在線預(yù)測(cè)時(shí)，根據(jù)數(shù)模聯(lián)動(dòng)離線訓(xùn)練得到的融合系數(shù)向量和失效閾值，在融合實(shí)際運(yùn)行設(shè)備的多源監(jiān)測(cè)數(shù)據(jù)以獲取復(fù)合健康指標(biāo)基礎(chǔ)上，采用隨機(jī)過(guò)程模型對(duì)其演變過(guò)程進(jìn)行建模，基于貝葉斯序貫更新算法實(shí)時(shí)更新模型參數(shù)和設(shè)備退化狀態(tài)，求得首達(dá)時(shí)間意義下的設(shè)備剩余壽命概率分布。