游梁式抽油机在油田中广泛应用,示功图是分析、诊断抽油机是否正常运行的一种有效手段,也是对抽油机日常管理的一个重要组成部分。游梁式抽油机示功图是悬点载荷和位移的关系图,通过它判断抽油机井下的工作状况。目前测量示功图的方法都是定期测量,需要使用载荷传感器,所以每次测量都要重复停机起机。这种方式不仅测量过程复杂,操作的安全系数也较低,同时影响抽油机的使用寿命。另外由于是定期测量,所以无法及时获得抽油机的运行状况,导致抽油机得不到及时维护、影响产油量、浪费能源。所以,实时测量抽油机的示功图是进一步研究的根本目的,也是作为抽油机节能运行的前提条件。表面上看抽油机的动作似乎很简单,实际上涉及多种数量关系,并且它们的变化都是非线性的。所以直接实时测量示功图或是间接测量都存在困难。为了克服定期测量的不足,许多学者提出了不同示功图间接测量方法,但是都存在局限性。针对游梁式抽油机的示功图实时测量难问题,提出了基于神经网络的抽油机示功图软测量研究。神经网络不仅具有坚实的理论基础,而且不需要具体的数学模型,几乎可以任意的非线性逼近。示功图软测量研究的核心就是选择较容易测量的相关物理量,如电机功率、游梁摆动角度,通过训练好的神经网络预测抽油机的悬点载荷。通过数据通信手段,把相关的现场数据传到数据中心,由预测的抽油机悬点载荷与悬点位移,构成抽油机示功图。本次论文研究引入了三种神经网络,即前向BP、RBF神经网络和Elman反馈神经网络。文中对其模型、结构及工作原理作了详细阐述并建立了示功图软测量模型。选用MATLAB计算机软件作为研究工具,将三种神经网络进行仿真,并将结果进行分析比较,说明该研究理论的合理性和可行性。