本申请提供一种基于健康状态指数的工业设备预测性维护方法、装置和电子设备，通过获取待测设备运行过程中各个时间点的运行数据，将运行数据导入预先训练得到的重构模型，得到运行数据对应的重构数据，根据重构数据和运行数据得到健康状态指数，并根据健康状态指数确定退化点。再将退化点之后的时间点对应的健康状态指数导入预先训练得到的预测模型进行拟合并得到延伸曲线，将延伸曲线上各个时间点的预测健康状态数据和预设阈值进行比较，将两者一致的时间点确定为失效时间点。该方案中，利用预先训练的重构模型和预测模型，可以通过学习运行数据的特征从而准确实现退化点的确定和数据的预测，可以适用于基于少量数据情况下的预测性维护。