【摘要】为了解机电设备全生命周期的寿命，提供管理依据，提出基于全生命周期信息判别的机电设备使用寿命预测方法。采用基于张量的方法，构建四维张量并设定参数，利用经验模态分解和 Tucker 特征分解算法，实现了机电设备全生命周期信息的缺失填补；利用补全后的信息，构建基于多尺度卷积神经网络模型的机电设备使用寿命预测模型。该模型通过深度学习机电设备原始数据和剩余寿命之间的映射关系，实现了对机电设备使用寿命的精准预测。实验表明，该方法能够有效获取机电设备使用全生命周期内的相关信息，并有效完成缺失信息填补，保证信息完整性；能够预测机电设备在整个生命周期内的使用寿命，预测可靠性较高。