螺杆泵因其占地面积小、维护管理方便、调节排量容易、系统效率高等优点，在油田生产中应用数量逐渐增多。随着应用范围的扩大和工作环境的复杂，其运动参数和故障种类不断增多，而传统的故障诊断方法不能满足现场应用需求。 根据螺杆泵在油田实际的应用情况，总结出螺杆泵井故障种类、故障形式、故障原因、故障危害和基本解决方法。分析了目前在故障诊断领域广泛应用的BP神经网络方法，对网络结构、网络参数的设置、训练模式的选择及针对标准BP算法的改进进行了研究。 在螺杆泵采油系统中，抽油杆系统是转动件，受拉、压、扭、磨、疲劳等作用力的影响严重，是螺杆泵采油系统的重要组成部分，也是故障多发部分，通过对抽油杆进行受力分析，建立了抽油杆受轴向载荷、弯矩和扭矩的计算模型。 在进行网络诊断模型设计时，提取油井产量、动液面、测试扭矩、有无含砂、测试轴向力、油套是否连通、电流有无波动、停机反转程度等8个参数作为网络模型的输入变量。为了提高神经网络的泛化能力，本文设计的诊断模型集成了五个子网络，在设计各个子网络结构时，分别采用了自定型法、灰色关联分析法、模糊聚类分析法、舍弃部分隐层神经元法和离散系数法设计隐层节点数目。 借助Visual Basic 6.0开发环境，完成了网络诊断系统的设计和训练。采用螺杆泵井实测数据对训练后的网络进行测试对比，结果表明人工神经网络是一种切实可行的智能诊断方法，基于人工神经网络的螺杆泵井工况诊断系统拥有很高的正确识别率，在实际应用中具有一定的价值。