抽油杆作为有杆抽油系统中的重要部件,当其到达使用期限以后会面临报废,但其中有一部分仍然可以继续利用。再制造概念的提出使这些杆件有了用武之地,而且还可以达到绿色环保的目的。本文的主要工作就是基于无损检测技术对再制造构件的损伤程度进行评估,进而来判定其是否符合再制造的基本要求,具体内容如下:基于拉-拉疲劳试验,利用金属磁记忆和声发射两种无损检测方法对疲劳试验过程中的抽油杆试件关键部位进行同步监测,研究了抽油杆试件在试验过程中金属磁记忆与声发射信号的变化规律。结果发现磁记忆与声发射信号的整体变化过程大致分为三个阶段,与金属疲劳发展过程中的三个阶段相对应。通过分析疲劳循环过程中的磁记忆信号变化规律,在传感器采集的三个磁分量信号的基础上,提取了合成磁信号、样本熵、关联维数等特征参数,研究了所提取的特征参数在整个疲劳试验过程中的变化规律。结果表明,样本熵和关联维数的整体变化趋势大致相同,可反映金属疲劳累积损伤发展的演变过程。基于所提取的样本熵特征参数建立损伤定量模型,为后文的信息融合定量损伤分析提供基础。针对声发射信号在试验过程中容易受到外界因素的干扰,提出了基于自适应傅里叶分解的声发射信号去噪方法。在分析声发射幅值、计数值、上升时间等参数的基础上,对去噪后的声发射计数信号进行多尺度散布熵、多尺度排列熵等特征参数的提取,研究了所提取的特征参数在整个疲劳试验过程中的变化规律。进一步,基于所提取的多尺度散布熵特征参数建立损伤度定量模型,结果表明可作为抽油杆试件在疲劳试验过程中损伤程度变化的定量表征指标。基于卡尔曼滤波算法,将基于金属磁记忆和声发射两种无损检测技术分别建立的损伤度模型进行卡尔曼滤波数据迭代处理,得到修正的损伤度模型曲线,该曲线的整体变化趋势可更好地反映试件在拉-拉疲劳试验过程中损伤程度的波动情况。在此基础上,提出了基于自适应卡尔曼滤波算法的抽油杆损伤度信息融合方法,相比于单一无损检测方法大大提高了损伤度的预测准确性,实现了基于信息融合的退役抽油杆损伤定量评价,也为其他构件基于信息融合理论进行损伤评估提供了一种新方法。