随着工作时间的推移,任何产品都将不可避免地发生性能退化,直至失效。状态监测数据是产品运行状态的外在表现,反映产品的运行性能,可为产品的剩余寿命预测提供依据。根据产品状态监测数据预测产品的剩余寿命,及时制定相应的产品更换或者系统运行维护计划,具有重要意义。本文结合理论研究与应用实例分析,开展了两类基于数据驱动的电器产品寿命预测方法的研究。首先,在基于相似性概念的寿命预测方法中,开展了参考样本与测试样本之间相似性度量的研究,提出了一种基于斜率距离与变权重欧几里德距离的拓展的相似性度量算法。该算法综合了斜率距离与变权重欧几里德距离的优势,并且,测试样本当前状态监测数据较其过往状态监测数据具有更高的权重。电磁继电器的应用实例分析说明,采用拓展的相似性度量算法的继电器寿命预测效果更好。然后,在基于比例危险模型的寿命预测方法中,分别开展了时间独立协变量与时间相依协变量的比例危险模型的研究,并将之用于电器产品的寿命预测。一方面围绕电器产品寿命预测中典型的时间独立协变量-环境应力,建立了时间独立协变量的电器产品比例危险模型,可分析不同环境应力对电器产品特性参数、平均寿命等指标的影响;另一方面采用分段处理策略对时间相依协变量比例危险模型中的参数进行了极大似然估计,并在协变量混沌特性识别及未来趋势预测的基础上,给出了基于协变量趋势变化的产品寿命预测模型。最后,以广泛应用的电磁继电器为例,以上述两类基于数据驱动的产品寿命预测方法为理论基础,分别建立了继电器相应的寿命预测模型。对比结果发现,室温环境下,随着环境温度的上升,继电器的平均寿命、特征寿命均呈现下降趋势。基于相似性的寿命预测方法不必对产品的衰退信号进行建模,因而可在处理那些衰退建模比较困难的对象中体现出优势,但其预测误差相对较大;基于比例危险模型的寿命预测方法将产品协变量监测信息与运行状态联系到一起,预测误差相对较小。二者各有特点,均可作为传统可靠性方法的有益补充。本文虽以电器产品为研究对象,但相关方法亦可推广应用于其它电子元器件的可靠性研究。