Este documento desarrolla un modelo de predicción del tiempo de vida útil restante basado en datos para bombas solenoides. El modelo extrae características de alto nivel utilizando autoencoders apilados a partir de señales de presión descompuestas (utilizando el algoritmo de descomposición modal empírica en conjunto con ruido adaptativo complementario (CEEMDAN)). Estas características de alto nivel son luego recibidas por una red neuronal recurrente con unidades recurrentes con compuertas (GRUs) para la estimación del tiempo de vida útil restante. El estudio de caso presentado demuestra la robustez del modelo propuesto de estimación del tiempo de vida útil restante con extensas validaciones empíricas. Los resultados respaldan la validez del uso de CEEMDAN para la descomposición de señales no estacionarias y la precisión, facilidad de uso y superioridad del modelo propuesto basado en DL para la prognóstico de fallas en bombas solenoides.