钻井生产是石油开采的重要环节，石油开采中存在着大量复杂的不确定因素，开展钻井生产钻进过程中事故诊断技术的研究，对保障钻井生产的安全运行有着十分重要的作用。本文结合现有的录井技术及事故诊断技术，提出一种基于神经网络和专家系统相结合的混合型智能诊断方法，进行钻井过程的实时监控、钻井信息分析和常见钻井事故的预测与诊断，以提高钻井事故诊断的快速性和准确性；同时采用模糊神经网络控制技术对诊断出的异常数据进行控制调节，使其保持在正常范围内，实现智能控制。 本课题主要是把钻井工程和计算机科学与技术紧密结合起来，用可视化的程序界面，数掘库技术及Matlab计算、绘图软件，研究开发钻井钻进过程状态监测与事故诊断系统。 论文提出钻井状态监测与事故诊断的总体方案和技术路线，研究传感器、数据采集、信号处理以及相关硬件、软件的有关技术；同时研究了钻井常见事故机理与事故参数特征，并以此为基础建立知识库，通过对钻井事故特征和情况的分析，提取特征信号，建立事故诊断数据库；探讨钻井钻进过程的状态监测与事故诊断的方法：分析处理异常征兆，对特征参数进行状态识别，利用人工神经网络建立钻井事故诊断模型：对出现异常的钻井参数，用智能模糊神经网络方法进行控制调节，以确保其波动在正常值范围内。论文采用Visual Basic(VB)语言、MATLAB 语言及SQL Server(SQL)语言相结合的方法，建立了钻井事故诊断系统；为验证钻井事故诊断软件的功能，选择常见井塌、井漏等事故，进行事故数据模拟训练，从参数监测、数据曲线拟合变化趋势分析、事故诊断及结论分析等出发，对一系列过程进行仿真实验，使系统逐步加以完善。 智能钻井事故诊断系统是在计算机的支持下，利用在钻井现场采集的大量的数据，进行监测、诊断及控制模拟。模拟仿真结果显示，人工智能钻井事故珍断系统可以实现实时数据显示、参数变化趋势分析、事故诊断及智能控制等功能。本文所用的方法对钻井事故诊断有理论指导意义，对其它工况的智能诊断也有一定的借鉴作用。