在油井开采中,对抽油井井下故障进行预测和诊断,了解和掌握采油系统的工况,实现采油系统的自动监控和科学管理,是当前石油行业迫切需要解决的一个重大课题。本论文针对目前油田有杆泵抽油井井下故障智能诊断符合率低、无法满足油井生产要求的实际,进行了以下研究。根据抽油泵运动学与水力学基础理论,综合考虑柱塞的运动规律、泵筒内流体的可压缩性,建立了泵筒内流体流动的连续流方程。根据改进的连续流方程,建立了泵筒内液体压力、柱塞运动规律与漏失间隙之间相互关系的数学模型,从而建立了泵筒内液体瞬时压力与泵示功图的仿真模型,并建立了漏失故障状态下液体瞬时漏失流量和累积漏失液体体积变化规律的仿真模型。应用波动方程,建立了以泵示功图为基础的井下故障诊断模型,实现了悬点示功图到井下泵示功图的转换。针对不同井下故障泵示功图的几何特征,提出了新的更具有针对性的描述井下故障的特征参数,并建立了井下故障特征参数的计算模型。应用了Elman神经网络,建立了井下故障智能诊断的人工神经网络的模型。首先把提取的特征值作为神经网络的输入,然后神经网络通过对样本的学习,将知识以权值和阈值的形式存储在网络中,最后故障的类型模式作为网络的输出。应用训练好的网络对实际油井的故障进行智能诊断,得到了较好的诊断结果。应用Visual Basic 6.0语言和Matlab软件,开发了《抽油泵井下故障智能诊断仿真系统》计算机软件。通过仿真和诊断实例,证明了该软件有着良好的仿真和诊断精度,能满足工程实际应用的要求。