为了解决轴承在非稳态工况下退化特征难以获取、退化状态识别困难和剩余使用寿命（remaning useful life， 简称RUL）预测精度低等问题，提出了一种非稳态工况下轴承剩余寿命动态预测方法。首先，对初始温度信号进行重采样，削弱因设备维护等操作带来的温度异常波动；其次，构建了考虑环境、转速、故障和随机波动的温度变化模型，通过结合温差变化模型与监测数据中的转速信息，实现了温差信号的实时解耦，从而有效提取变工况下轴承温度信号中潜在的退化特征信号；然后，采用时变3σ准则进行轴承的早期退化监测，获取轴承退化起始点；最后，将Paris-Erdogan模型与动态演化模型结合，实现基于实时监测数据的模型参数实时动态更新，结合粒子滤波（particle filter， 简称PF）算法输出了RUL的近似分布，利用温差变化状态的预测值与观测值之间的差异，更新了RUL近似分布中粒子的权重，优化了RUL输出结果。采用现场实际设备获取的非稳态工况下的轴承数据进行验证，结果表明，所提出方法的精度高于85%，且所有结果均在90%置信区间内，验证了该方法的有效性。