世界工业领域经过多次革命性的变革后,已进入智能化的工业4.0时代。随着工业水平的高速发展,对于石油的需求也在不断增长。油套管在石油开采中的使用量非常大,它的制造质量将直接影响石油开采的安全性。在石油开采过程中即使使用合格油套管,仍然会发生安全事故。经过分析,这是由于多段油套管随机连接使用,却没有考虑其检测数据在合格区间内波动带来的影响。对于油套管检测数据的处理,传统方法仅对某一参数的检测数据进行简单比较,而缺乏对数据全面、深入的分析,这会产生大量的孤岛数据。为了对油套管的质量评估体系做出新的研究,本课题首先对API公式进行分析,寻找影响油套管性能的关键性参数。课题具体工作分为以下三个部分:首先,在油套管的检测系统中引入无线数据模块,实现检测数据的无线传输。其次,在C#语言的基础上使用WPF框架、Linq语言和DevExpress控件集,开发了一套完善的上位机软件,包含用户信息管理、检测方案建立、报表打印、检测数据分析监测等模块。最后,依据API公式分析结果,结合实际情况选择油套管的直径、壁厚及螺距等6项参数,作为影响油套管综合质量的关键因素,建立针对本课题的BP神经网络的评估模型。通过对油套管多项参数的分析,有效地将原有的孤岛数据综合利用,这是智能制造中一个非常重要的发展方向。论文最后将公司提供的油套管检测数据进行预处理,针对BP神经网络不同的优化算法进行了实验比较,同时,通过反复地实验确定最合适的隐藏层节点为7,最终确定了 LM-BP神经网络模型的结构,以此对油套管的失效可能进行预测。实验结果验证,本课题中设计的无线数据采集系统可以正常运行,上位机软件符合需求。使用历史的数据进行实验测试,表明论文中建立的评估模型可以对油套管的失效可能进行预测,油田可以将此作为参考对油套管选择性的使用或是对后期的检查维护方案做出调整。