我国的油田地质情况复杂,决定了大部分油井在经过一段时间的开采后就会出现抽空现象。这些低能井出油规律因油井而异,且随时间变化而变化,如管理不当,将导致效率低下、抽油设备运行环境恶化,间接的影响了抽油机系统的经济效益,而且无法实时根据地质情况的变化调整抽油机的运行状态是造成抽油机系统总体效率低下的主要原因。而且作为机械采油中应用最广泛的抽油设备常规式游梁式抽油机的总体效率低于25%。因此,研究一种游梁式抽油机智能控制算法,以提高游梁式抽油机经济效益,具有重大而现实的意义。本课题中,采用FFT算法对游梁式抽油机驱动电机的电气量和悬点载荷波形进行处理与分析,寻找其之间的变化规律。首次提出利用游梁式抽油机驱动电机的转矩与转速信号,通过BP神经网络进行悬点载荷辨识的构想。仿真结果表明经过训练的神经网络具备很高的数据拟合度,根据不同抽油机的转矩、转速信号可较好的恢复出各自的悬点载荷变化。根据所辨识的悬点载荷,结合驱动电机的转速,介绍了绘制示功图的算法,并根据示功图预测采液量。同时测量和计算抽油机电机的能耗,基于计算所得的结果,设定了采液量最大、效率最高、采液量/能耗=设定值三种智能控制策略,以提高抽油机系统的综合经济效益。