针对构建科学的预测模型以及估计合适的模型参数是极大限制粒子滤波（particle filter， 简称PF）方法计算效率与稳定性的瓶颈问题，提出了一种基于轨迹强化粒子滤波（trajectory enhanced particle filter， 简称TE-PF）的滚动轴承剩余使用寿命（remaining useful life， 简称RUL）预测方法。从退化速率跟踪和退化轨迹强化的角度出发，构建了一种面向PF方法的通用预测模型，利用历史样本以及粒子生成样本的退化趋势信息，有效指导通用预测模型的参数估计，最终获取多信息融合的轨迹增强预测模型。实验结果表明，相较于已有方法，TE-PF方法具有更高的计算效率与更强的趋势预测稳定性，观测样本累积情形下能够获取置信区间内较高的预测精度。