轴承服役过程存在“自愈”等非线性退化现象且缺乏训练寿命标签，限制了智能轴承寿命预测方法在实际工程中的应用。针对此问题，提出一种多阶段退化标签构建（multi-stage degradation label construction， 简称MDLC）方法。首先，运用深度自编码网络与高斯分布的自适应3σ法则，根据振动信号统计特征识别轴承的初始退化点；其次，利用自下而上分割算法，基于均方根特征值曲线划分轴承退化阶段并分段拟合，构建多阶段退化剩余寿命标签；然后，搭建长短时记忆人工神经网络的寿命预测模型，以有监督的方式训练并优化该模型；最后，利用XJTU-SY滚动轴承加速寿命试验数据集测试所提出的方法，并与经典方法进行了对比。结果表明，该方法不仅能够准确识别轴承初始退化点，且剩余寿命预测误差更小，验证了其有效性与准确性。