目前,我国油田的主要开采技术为有杆泵抽油技术。由于油田地理环境复杂,工作环境恶劣,油井故障时有发生。传统的人工巡井故障诊断方法,无法实时对油井工况具体的了解。一旦故障发生,轻则对油田造成经济损失,重则会对工作人员产生人身安全的危险。示功图作为油田常用的故障评判依据,蕴含着丰富的油田工况信息。随着计算机技术的迅猛发展,智能故障诊断技术逐渐登上了故障诊断的舞台。本文以示功图为研究对象,以示功图为基础将智能故障诊断方法应用在油田故障诊断中进行分类识别。首先,对有杆泵抽油系统进行了详细的学习,并系统分析了示功图的形成。对不同工况下的示功图进行了分析,并得出了不同工况下示功图的特点,为后续的智能分类方法打下了坚实的基础。其次,利用特征提取的方法对示功图进行分析。本文选取深度信念网络对示功图进行特征提取,利用深度信念网络中的无监督贪婪学习算法对示功图进行预处理,之后利用深度信念网络中的微调进行参数调整。再次,采用支持向量机进行识别分类。本文选用支持向量机作为分类函数。在处理非线性分类的问题上,支持向量机选择高斯核函数作为支持向量机高维映射函数。针对支持向量机参数的不确定性,我们选择改进的人工鱼群算法来对支持向量机进行参数寻优,使得优化速度有了明显的提升,并且具有很高的识别精度。最后,我们设计一种油田故障实时检测的上位机软件系统。为了方便工作人员对油田的实时检测,本软件系统选用Visual Basic 6.0编程语言实现监控界面设计,实现了上位机软件系统各个模块的功能。该上位机软件在油田运行工作时运行结果良好,实现了对有杆泵抽油井的实时故障诊断,达到了预期的要求,满足了实际生产工作的需求。