在抽油机井生产过程中,及时掌握抽油机井工况,实现抽油机井的远程监测和科学管理,是当前抽油机采油系统迫切需要解决的一个重大课题。随着采油技术自动化发展的需要,我国部分油田已经实现了抽油机井远程监测,可以实时获得大量的油井生产数据,而传统的工况诊断方法已经不能满足现场应用需求,论文在传统工况诊断的基础上研究了抽油机井工况智能诊断技术。通过对抽油杆柱单元体受力分析,建立了泵示功图的计算模型,采用有限差分法求解该模型,研究了有限差分解的收敛条件和阻尼系数的计算方法。分析了抽油杆断脱等十种故障产生的原因和相应的泵示功图的主要形状特征。通过对不变矩理论和泵示功图形状特征的研究,提取泵示功图的七个不变矩、泵效、动液面、上冲程载荷增幅和下冲程载荷减幅作为抽油机井工况的特征参数,并对这十一个特征参数进行预处理,从而建立了抽油机井典型工况的特征参数样本库。研究了BP神经网络的基本结构、BP算法的改进、网络的泛化能力、网络的集成和网络参数的设置,将在故障诊断领域广泛使用的BP神经网络应用于抽油机井工况智能诊断。为了提高抽油机井工况诊断系统的精度,本文采用四个子网络集成的方式来设计诊断模型,分别采用经验公式法、舍弃部分隐层神经元法、离散系数法和灰色关联分析法来设计四个子网络隐层节点数。根据理论研究,采用Visual Basic 6.0完成了远程监测抽油机井工况智能诊断软件的设计和训练,采用油井的实测数据对软件进行测试,测试结果表明该方法是一种切实可行的智能诊断方法,远程监测抽油机井工况智能诊断技术的研究具有一定的理论意义和实践价值。