针对MOSFET（金属氧化物半导体场效应变压器）的设备故障预测和健康管理问题，提出了一种基于Long短时记忆（LSTM）算法和离散隐马尔可夫模型（DHMM）相结合的故障预测方法。该方法基于LSTM-DHMM模型的预测结果，采用LSTM算法预测器件状态的发展趋势，结合故障阈值，消除虚警，预测故障时间。对预测误差不足10%的高精度Gru-SVM（门控递归单元支持向量机）和Long短时记忆支持向量机（Long短时记忆支持向量机）进行了比较分析。结果表明，LSTMDHMM的预测精度高于其他三种方案。它可以有效地识别实验设备的健康状态，更好地预测故障时间