在线剩余使用寿命(RUL)估计是确保复杂庞大系统安全的有效方法。通常,当在初始退化阶段观察到退化值时,当前方法假定特定退化模型。然而,由于通常含糊不清的固有初始退化特性,这种假设可能并不总是足够稳健。因此,除了模型参数的不确定性外,退化模型的不确定性值得在在线 RUL 估计中进行检查。在本文中,采用贝叶斯更新的期望条件最大化(ECM)算法来解决先验参数的不确定性,并使用改进的贝叶斯模型平均方法来处理退化模型的不确定性。然后,通过仿真研究来分析所提出的融合算法的有效性。结果表明,贝叶斯更新的 ECM 算法和改进的贝叶斯模型平均方法有效地解决了模型参数和退化模型本身的相关不确定性。最后,我们应用所提出的融合算法来预测陀螺仪的 RUL。