油田生产现场普遍具有地理位置分布广泛,工作环境恶劣的特点,传统人工巡检的方式费时费力,工作效率低下,迫切需要与迅速发展的通讯技术和计算机技术相结合,实现抽油井在线监测。抽油井井下工作环境复杂,易于发生故障,且井下难于长期放置监测装置,使得井下故障难于及时发现,因此开发一套抽油井自动诊断系统,对油田降低能耗,提高生产效率具有重要意义。论文设计实现了一套抽油井在线自动诊断系统,实现了油井关键数据的在线监测、数据计量和统计、节能分析评价和报警等功能。系统基于ASP.NET和Sql Server数据库等技术设计实现,可以及时准确地为现场技术人员提供决策依据。示功图是进行井下故障诊断的重要数据,在系统设计过程中,本论文重点研究了基于示功图分析的井下故障诊断技术,提出基于二维傅立叶变换和BP神经网络分类器的示功图识别算法。根据吉布斯方程,编写有限差分算法,由地面示功图计算得到井下示功图,井下示功图直接反映井下泵的工作状况,排除了抽油杆等诸多因素的影响。进一步将井下示功图数据点的信息转化为灰度矩阵,对灰度矩阵进行二维傅立叶变换,采用变换后的系数作为反映示功图形状信息的特征。利用三层BP神经网络设计分类器,对输入层输出层的设计,训练样本的选择等进行了详细分析,给出完整的井下故障诊断实例,验证了本方法的可行性。自动诊断系统已在现场取得较好的实际应用效果,本文提出的示功图识别方法也进行了实例验证,可在实际中进一步的观察改进。