本文提出了一种基于LightGBM的考虑与加工工序及加工状态相关的剩余使用寿命预测方法。在数据集建立过程中考虑了多信息融合策略,通过提取常规特征进行验证比较,发现使用振动、电流和负载信号组合的方式可以在最基础的特征提取中达到很好的效果。除此之外,考虑了刀具振动过程中的空间信息,并考虑了振动过程是一种空间振动,对振动信号采取多维度的方式进行收集并提取特征,用以完整描述刀具的振动过程。进一步地,使用局部线性嵌入技术对刀具的三维振动信号进行空间拓扑结构的降维及特征提取。通过对比两种不同的空间特征提取方法,我们验证了挖取振动信号的空间特征方式的有效性,并且使用局部线性嵌入技术提取三维振动的空间特征具有更好的优越性,能够有效的提高模型的精度。并且为了解决快速性的要求,对于影响降维效果的邻域大小参数k提出了重构误差指标,并利用该指标确定了一种综合考虑准确度和工业时效性的参数确定方法,并验证了其有效性。传统剩余使用寿命的预测研究中,提出一种可以兼顾特征数目的拓展,又可以覆盖小时间粒度的特征。使用基于滑动窗口法进行提取小时间粒度子段特征,对子段进行无监督聚类分析,降低子段的数据量,一方面可以有效的减少小样本的维度,另一方面也有效地降低了引入的无效特征,或者是共线性强的特征以及噪音信息。通过上述一些列方法,有效的拓展了特征的维度,并且有效的提高了模型的准确性和泛化能力。除此之外,在模型方面,由于工业实际要求快速性和准确性,从理论和实践的角度上对比比较,验证了使用LightGBM模型的准确性和快速性是符合要求的。在回归工业实际问题时,现实中的预测模型不可避免的存在误差,预测值与实际值之间差值的正负往往是不等价,因此需要对预测的风险两端进行修正,来解决模型风险两端不均衡的衡量问题。通过提出重要度系数来权衡正负风险两端的比值,工序重要度系数由三个方面因素进行量化评估。并且可以使用三角模糊数结合专家系统对工序制造影响度因素进行权重修正。得到的结果有效的结合了本道工序与前序工序之间的关系的影响。将其引入到损失函数中,并利用实验验证了这一方法的有效性,并检验了最后预测值的残差分布情况,结果与预期相符。