摘要： 轴承剩余使用寿命（Residual life，RL）预测模型的预测精度在很大程度上取决于衰退特征的趋势一致性。由于轴承个体差异性，导致同类型不同轴承的相同特征衰退趋势表现不同，从而导致训练集轴承建立的RL预测模型与测试集轴承不匹配。针对上述问题，本文提出一种基于振动信号均方根（RMS）趋势一致性的子线区间拟合法轴承寿命预测方法。依据μ±3σ 原则提出一种奇异值替换方法，有效增强RMS衰退曲线的趋势一致性，并基于RMS衰退曲线高度的趋势一致性提出子线区间拟合法，利用XJTU-SY数据集对提出方法进行测试与验证，并与常见的寿命预测方法反向传播神经网络（Back Propagation Neural Network，BPNN）与长短期记忆神经网络（Long Short-term Memory Network，LSTM）预测结果进行对比，可有效提升轴承RL预测精度。

关键词: 故障诊断, 滚动轴承, 趋势一致性, 奇异值替换, 子线区间拟合, 寿命预测