本发明涉及一种基于数据驱动的滚动轴承剩余寿命预测方法，包括如下步骤：获取轴承振动信号，作为数据集；建立网络学习模型，网络学习模型依次包括小波包分解层、动态加权层、卷积神经网络层、长短时记忆网络层以及输出层；将数据集中的样本分为训练集和测试集，将训练集作为输入训练网络学习模型，得到预测模型；基于预测模型，预测滚动轴承的剩余使用寿命。本发明首先利用小波包分解和动态加权法，实现对轴承退化的表征信息进行有效筛选；再利用CNN强大的特征提取能力提取滚动轴承低维退化特征，并利用LSTM进一步提取其高维退化特征；最后建立轴承退化特征信息与剩余使用寿命之间的映射关联来实现回归预测，训练效率高、预测精度高。