随着工业物联网的快速发展，越来越多的传感器被用于工业系统的状态监测和预测。从传感器网络收集的大数据为剩余使用寿命（RUL）预测带来了丰富的信息资源和技术挑战。主要的技术挑战包括如何选择信息丰富的传感器和融合多传感器数据以提高预测性能。针对这些挑战，本文提出了一种基于多传感器数据融合模型的RUL预测方法。在该方法中，系统状态的固有退化过程使用遵循维纳过程的状态转移函数来表示。使用多变量测量函数将多传感器信号解释为固有系统退化过程的各种代理。通过使用粒子滤波融合多传感器信号来估计系统状态。通过优先传感器组选择​​算法选择信息传感器。该算法首先根据传感器在 RUL 预测中的个体性能对传感器进行优先级排序，然后根据它们的综合性能选择最佳传感器组。使用模拟研究和来自 NASA 存储库的飞机发动机退化数据证明了所提出方法的有效性。