本文以油气集输过程中的故障诊断问题为背景，对基于免疫算法、蚁群算法、小波分析、神经网络、混沌理论的若干智能算法进行了研究，并将这些智能算法应用到油田长输原油管道泄漏定位和抽油机井故障诊断中，为油田故障诊断问题提供了一种新思路、新方法。具体如下：利用生物免疫原理中的浓度调节机制和个体多样性保持策略以及免疫记忆功能，设计基于小生境隔离机制的自适应免疫遗传算法，采用基于浓度和适应度的自适应式选择策略，有效地克服基本遗传算法的未成熟收敛现象，既能提高抗体的相似性又能兼顾到抗体的多样性，为避免算法陷入局部最优解、缩短搜索时间提供了保证。将所提出的方法用于长输原油管道泄漏定位，提高了诊断精度。根据蚁群觅食规律和免疫遗传思想，设计了基于免疫机制的蚁群遗传算法，在保留蚁群算法所具有的全局优化特性和有限时间内能得到合理答案等优良特性的前提下，通过免疫机制的引入保证个体的多样性，避免出现搜索时间长、容易停滞等现象。在综合分析了各种小波神经网络的结构与算法并对油田抽油机井的数据进行小波包分解以提取其特征向量的基础之上，构造了自适应对角回归小波神经网络。该网络包括初始的学习网络和在训练过程中根据精度的要求而自适应并入的子网络。通过对各维输入信号的综合时域分析，选择合适的尺度参数和位移参数来构造单尺度下的小波紧框架，以构成各级子网络，进而解决了多维小波网络中存在的“维数灾”问题。针对对角回归结构，推导出带遗忘因子的动态递推最小二乘法对网络的参数进行训练。应用该网络对油田抽油机井的故障进行诊断，结果表明，本文基于小波神经网络的故障诊断方法比传统的BP神经网络诊断方法更高效、更准确。在分析免疫机制的混沌特性的基础上，设计了混沌免疫神经网络。利用人工免疫算法具有解决候选个体的多样性、学习记忆和高效率并行搜索等特点，优化神经网络的结构和权值，提高收敛速度，消除未成熟收敛现象，实现全局优化；利用混沌系统的遍历性和对初值敏感性，减少数据冗余，扩大搜索范围，从而保持种群的多样性，避免局部最优。对抽油机的故障诊断结果显示出该网络具有极强的全局优化能力。结合遗传算法和模拟退火算法的优势，对基于生物免疫机理的反面选择算法进行改进，设计了基于遗传机制的R可变反面选择算法。用遗传算法初始化检测器的初值，保持检测器的多样性，扩大检测范围；引入可变半径检测器，实现对非我空间的有效覆盖；用模拟退火算法优化检测器，减少检测器的冗余，提高检测效率。将该方法用于抽油机故障诊断，取得较好效果，尤其是能够对未知故障进行诊断的能力，显示出其巨大的发展潜力。