目前我国大多数油田已相继进入了开发的中后期,相当数量的抽油井经常处于泵效较低或空泵的状态运行,造成了功率因数降低,电能浪费大等问题。为了使油井供液能力和抽油机抽汲能力相匹配,实际生产过程中,调节冲次的措施主要有两种：一是更换电动机输出轴皮带轮；二是将变频控制技术应用到油田设备上,通过改变变频器的输出频率进而调节冲次。两种方法均是依靠操作人员的丰富经验,以保证产液量为前提,通过观察抽油机的运行情况进行冲次调节。但是人工调节存在诸多弊端,因此,如何对抽油机系统进行合理的控制,保证低产井的稳产,具有重要的理论和现实意义。模糊神经网络融合了模糊逻辑和神经网络的特点,它在处理非线性、模糊性等问题上有很大的优越性,集学习、联想、识别、信息处理于一体。本文针对油田非线性、不确定性等问题,在仔细研究抽油机采油过程和人工操作经验的基础上,为提高油田自动化水平,提出采用模糊神经网络学习人工经验决策冲次,并设计了抽油井冲次智能调节系统,以达到稳产、降耗的目的,确保不会因操作者的经验丰富与否影响油田产量。首先,冲次决策部分,本文详细阐述了模糊神经网络的基本原理和设计方法。并且通过对网络结构的对比分析,确定了本文所采用的基于零阶T-S模糊模型的模糊神经网络。在网络输入变量的选取上,研究了灰色关联分析(GRA)方法,并基于邓氏关联度模型对多组油田现场数据进行分析,确定电流、泵效和沉没度作为网络的输入。其次,本文研究了基于粒子群(PSO)算法的网络参数优化,并针对文中优化粒子维数较高的特点,提出一种改进的粒子群优化算法(AHPSO)。它能够根据迭代的进行自适应地改变惯性权重和学习因子；同时为防止种群多样性的损失,引入遗传算法中的选择与变异算子,提高算法跳出局部最优进行全局搜索的能力。经过实验对比,利用改进的粒子群算法优化网络的迭代精度和速度都有显著提高,进而得到最优的模糊神经网络来决策冲次最后,针对冲次的控制部分,基于油田变频调速技术,采用目前工业现场广泛使用的PID控制方法建立冲次闭环控制系统。由模糊神经网络依据工况决策出的冲次作为控制系统给定值,建立冲次控制系统的数学模型。仿真结果表明,冲次能够跟踪给定值,在现场抽油系统中采用PID控制冲次是可行的。