抽油机是油田生产重要的采油工具。其中驱动电机是整个抽油机系统工作关键部分,当抽油机及其驱动电机发生故障,如果没有及时对故障进行检测,不但会造成能源的浪费,甚至会导致严重的事故。因此,实时地对抽油机及其驱动电机进行有效的故障诊断,对提高原油的开采效率和降低能源的损耗都有着重要的意义。本课题以有杆泵式抽油机为研究对象,提出黄金分割法变学习率模糊神经网络诊断方法,对抽油机及其驱动电机典型故障进行诊断,并设计了基于模糊神经网络抽油机故障监控系统。首先总结了抽油机故障诊断技术及其驱动电机故障诊断技术的研究现状以及目前抽油机监控系统存在问题。然后在阐述了有杆泵式抽油机工作原理的基础上,着重对示功图的形成过程、典型故障示功图的图形特点、形成原因及其故障解决措施做出了分析,并给出各个故障示功图对应特征参数提取;其次深入研究驱动电机故障机理,并分析驱动电机故障特征参数提取。然后利用传统BP神经网络分别诊断抽油机及其驱动电机故障,以实验数据为依据,经仿真反映BP神经网络训练收敛速度慢、对知识解释局限性、误差精度大和局部极小值缺点。其次针对BP神经网络训练过程中上述的缺点,基于应用上较成熟的模糊理论和神经网络理论,提出了以神经网络为主,采用模糊理论作为有益补充的模糊神经网络结构,根据误差变化趋势提出基于黄金分割法变学习率BP算法来训练网络,实现学习率的自适应调整。并与传统的BP神经网络算法相比较,得到更为理想的诊断结果,可以有效地加快训练时间、缩小误差、避免局部极小值。最后以驱动电机故障诊断进行验证,证明改进算法的优越性。最后对抽油机监控系统进行整体设计。分别实现数据采集、数据传输、数据管理功能,并基于故障诊断具体实现过程,系统采用LabVIEW和MATLAB混合编程对抽油机故障监控系统上位机进行开发,最后对整个系统进行测试。测试结果证明,抽油机故障监控系统可准确高效地诊断抽油机及其驱动电机故障类型,且对故障程度进行了简单的判断,对于后期系统升级具有一定的参考价值。