本发明涉及故障预测技术领域，具体为基于深度多特征学习的振动部件剩余使用寿命预测方法，包括以下步骤：对采集到部件原始振动信号进行首次预测时间确定，确定部件的衰退期开始时间；使用滑动窗口沿衰退期滑动取一段时间内的所有振动信号数据进行时频分析，以获取到退化故障的时频域特征信息作为输入；将对输入的时频域信息进一步进行多尺度的特征提取以及结果输出；有益效果为：解决了多种类型工况下部件剩余寿命预测结果不稳定问题；实现提取部件退化机理相关特征的能力强、剩余寿命预测精度高。