基于退化数据的剩余使用寿命 (RUL) 估计方法得到了极大的发展，并取得了重大进展。建立适用的系统退化模型是准确估计其RUL的基础和关键。目前的研究大多集中在与年龄相关的退化模型上，但已经发现工程中的一些退化过程也与退化状态本身有关。此外，工程中由于工况不同、环境复杂，同批次系统退化过程中的单元间变异性和实际退化状态无法直接观察到的问题，都会影响RUL的估计精度。为了共同解决上述问题，我们开发了一个年龄相关和状态相关的非线性退化模型，同时考虑了单元间的可变性和隐藏的退化状态。然后，利用卡尔曼滤波器（KF）实时更新隐藏退化状态，并应用期望最大化（EM）算法自适应估计未知模型参数。此外，从首击时间的概念可以得到近似的解析RUL分布。一旦新的观测值可用，就可以根据更新的退化状态和模型参数自适应地更新 RUL 分布。锂离子电池和滚动轴承的数值模拟和案例研究表明了所提出方法的有效性和准确性。