El método de filtrado de partículas (PF) se ha convertido en un método de vanguardia para predecir la tendencia futura de degradación del equipo objetivo basado en su estado actual, con la ventaja de procesar secuencialmente los datos observados para la estimación continua del estado. La velocidad de convergencia es importante en PF para la estimación en tiempo real del estado. Sin embargo, el teorema de Bayes solo puede converger cuando hay observaciones suficientes, lo cual no siempre cumple con el requisito en escenarios variables en el tiempo con cambios abruptos en el estado de salud. En este trabajo, basado en la recientemente propuesta Teoría de la Incertidumbre, se deriva por primera vez el Filtrado de Partículas Incierto (UPF). Los procesos de inicialización, predicción, actualización y remuestreo se explican en detalle en el ámbito de la Teoría de la Incertidumbre. El método UPF mejora significativamente el rendimiento de los filtros de partículas tradicionales al mejorar la velocidad de convergencia en la estimación de parámetros dinámicos. Se introducen técnicas de remuestreo para mitigar la fagocitosis de partículas, mejorando así la precisión y eficiencia computacional. Se realizan dos estudios de caso, abordando la degradación del condensador en un riel electromagnético mejorado y la degradación de la batería, para verificar la efectividad del método UPF propuesto. Los resultados muestran que el método UPF logra una velocidad de convergencia más rápida en comparación con enfoques tradicionales.