综合比较这三种方法，目前应用最广泛、最有效的预测方法是基于数据驱动的预测方法。因为发动机复杂的结构及性能指标，我们可以从各个角度或者部件之间的相互关系等等来对其进行剩余寿命预测。下面列出了几种典型的基于数据驱动的预测方法。
1. 基于竞争失效的航空发动机剩余寿命预测
航空发动机作为典型的复杂机电系统，具有失效模式多样性的特点。多失效模式相互作用，实质上是竞争失效的关系，导致航空发动机剩余寿命预测的复杂性。
基于竞争失效的航空发动机剩余寿命预测框架
预测步骤如下：
（1）分别预测航空发动机在性能退化失效和突发失效模式下对应的剩余寿命，结合风险控制原则，为航空发动机检查和维修决策提供依据。
（2）航空发动机的性能退化失效与突发失效间高度相关，主要体现在性能退化失效对突发失效的影响。航空发动机具有丰富的状态监测数据，为量化性能退化失效对突发失效影响提供了可能。
（3）针对航空发动机性能退化失效的剩余寿命预测，需要解决以下两个问题：一是综合利用多种状态监测数据进行航空发动机性能退化评估；二是描述航空发动机性能退化轨迹，实现剩余寿命预测。
（4）针对航空发动机突发失效的剩余寿命预测，需要解决以下三个问题：一是基于少量故障信息的航空发动机剩余寿命预测，是个典型的小样本可靠性分析问题，可以采用贝叶斯方法提高数据利用效率；二是采用 Weibull分布建立航空发动机突发失效寿命预测模型，利用 Weibull分布的形状参数描述性能退化对寿命变化规律的影响；三是在Weibull模型基础上，进一步引入混合Weibull分布模型，利用数据学习性能退化失效与突发失效之间的作用机制。
2. 基于随机Wiener过程的航空发动机剩余寿命预测
针对航空发动机性能退化的多阶段特点, 利用多阶段的Wiener过程对性能退化过程进行建模，并根据性能失效定义推导出航空发动机的RL分布。在对性能退化模型的未知参数进行估计时，根据期望最大化（EM）算法融合历史性能退化数据与历史失效时间数据对退化模型参数进行迭代估计。在获得单台航空发动机的实时性能退化数据后, 根据 Bayesian公式可对性能退化模型参数进行实时更新，最终实现对单台航空发动机的剩余寿命预测。
航空发动机历史性能退化曲线
3. 基于信息融合的航空发动机剩余寿命预测
航空发动机剩余寿命预测框架体系
航空发动机的状态监测主要包括以下内容：
（1）气路性能监测。监测的参数：涡轮后燃气温度和燃油热量。
（2）滑油监测。监测对象是润滑系统部件及其封严系统状况。
（3）振动监测。发动机转子旋转、磨损或损伤会产生一定程度的振动信号。
只利用单参数状态监测信息，则无法全面反映性能衰退的情况，采用信息融合方法，就可以提高信息利用效率。采用贝叶斯线性模型融合航空发动机的状态监测参数，进行航空发动机性能衰退评估，将性能衰退的结果作为可靠性分析模型的输入变量，预测在预定可靠性阈值情况下的航空发动机剩余寿命。
以上的方法都有各自的特点，也有一定的局限性，还有待进一步的研究与探讨。
由于航空发动机的复杂机电系统以及制造的昂贵性，其维修保障越来越引起相关人员的重视，随着科学技术水平的提高，在未来，航空发动机的剩余寿命预测方法也将会越来越成熟。
