随着我国经济的迅猛发展和工业化进程的推进,国家对能源资源的需求日益增长,而在国家大力发展生态经济的背景下,作为新型环保能源的煤层气(Coal Bed Methane, CBM),越来越受到国家的重视和发展。作为煤层气集输系统的基本节点,煤层气单井的正常采气对于整个系统的稳定运行有着重要的意义,因此,如何快速准确地诊断出煤层气单井在采气过程中发生的故障,成为现今煤层气开采项目的一个重要研究课题。本文首先简要介绍了煤层气单井排水采气的原理和工艺流程,以及影响煤层气排采的关键参数,在此基础上,又对煤层气单井在采气过程中发生的几种故障进行了详细分析。针对小样本特征,研究了支持向量机故障诊断方法,并详细介绍了几种常用的参数优化方法——网格搜索法、遗传算法和粒子群优化算法(PSO)；为了消除噪声点对支持向量机建模的影响,又进一步研究了支持向量机的改进算法——模糊支持向量机,并采用模糊C-均值聚类算法来求解训练样本的模糊隶属度,通过实验仿真,在MATLAB下建立了基于粒子群优化的模糊支持向量机故障诊断模型,实现了煤层气单井的智能故障诊断,相比于BP神经网络模型和支持向量机模型,其学习能力和泛化能力均有所提高,取得了较好的故障诊断效果。最后,在Visual Studio2008开发平台下,结合SQL Server2005数据库,开发设计了基于模糊支持向量机的煤层气井故障诊断系统,为用户提供了一个简洁实用的软件管理平台,并将FSVM故障诊断模型成功嵌入到系统模块中,实现了对煤层气单井采气过程的智能故障诊断。