随着科学技术的发展，机电产品已然成为了人们生活的必需品，在军事、航空航天、通信工程、电子工业等领域发挥着重要的作用，它们的安全运行对于国民经济发展和国防建设都有十分重要的意义。寿命预测理论是机电设备安全服役的关键基础，也是现代机械设计与制造必须涵盖的重要方面。本文中针对机电设备寿命预测研究方法的特点和应用状况，参考国内外相关文献的研究现状，总结了当前基于数据驱动的寿命预测主要方法。机电产品的寿命不仅仅与材料特性、自身负载有关，还与使用的环境有关。设备运行过程中的振动、噪声信号是综合各种因素对设备性能状态充分反映。振动信息是衡量机电产品运行状态的重要指标，利用振动监测与分析来评估预测设备性能状态是目前最有效、应用最广的手段之一。本文介绍了小波包分解提取能量熵值的方法，将小波包能量熵作为表征轴承性能变化的特征值。然后引入EWMA平滑的思想来对小波包能量熵值进行平滑，弱化了局部细节，加强了对轴承整体发展态势的描述。机电产品的寿命与它的关键零部件有关，然而轴承故障是机电产品故障的主要形式之一。轴承运行状态的好坏直接影响着整个设备的性能。本文以轴承在全寿命周期加速寿命试验中获取的振动数据的基础上进行了基于数据驱动的BP神经网络预测方法的研究。讨论了建立BP神经网络时结构设计、样本处理以及训练算法收敛速度等几个主要的问题，然后通过轴承数据验证了方法的有效性。由于轴承的失效没有唯一的判据，本文末用文中方法进行了锂电池寿命预测，佐证了BP网络预测方法的有效性。