针对机床刀具在加工过程中系统状态需依赖多源传感器数据间接估计导致的剩余寿命预测精度不高的问题，提出一种基于半可观测状态的机床刀具剩余寿命预测方法，通过融合多源传感器数据与刀具系统状态信息，构建了包含多源传感器数据映射偏差项的状态空间预测模型。首先，利用回归网络建立多源传感器数据与刀具系统状态之间的非线性映射，实现对半可观测系统状态的初步估计；然后，针对不同加工工况、退化模式及刀具类型所引起的数据分布差异，提出系统状态回归误差补偿算法，通过预测下一时刻状态估计的偏差值，有效修正系统状态估计误差；最后，基于粒子滤波算法，利用修正后的系统状态信息对刀具退化过程进行动态建模，实现预测参数的自适应更新，并采用刀具退化数据集进行了验证。结果表明：所提方法在预测精度方面优于传统神经网络模型，可有效提升机床刀具剩余寿命预测精度。
