目前，油田广泛采用有杆泵采油的方式，抽油泵等设备大多工作于野外，地理位置分散且井下的工况十分复杂，这将导致采油故障时有发生。传统依靠人工巡视检查油井工作状况的方法不能及时发现故障并采取措施，会造成无法估量的损失。示功图能够反映出有杆泵抽油井的工作状态，在各种工况下有不同的图形表示，能够有效地反映出抽油井的故障。本文以示功图为研究对象，通过对示功图进行分析来对抽油井的故障进行分类识别。
　　首先，分析了有杆泵抽油井的采油原理，通过介绍抽油泵的工作过程论述了示功图的形成过程。介绍了几种典型工况下示功图的特点，为后续建立典型工况样本库打下了理论基础。
　　其次，研究示功图的特征提取方法。本文选取Freeman链码表示示功图的轮廓，并采用链码直方图对示功图进行特征值提取，针对链码直方图中图形不同但表示结果相同的问题，引入了链码直方图空间分布熵。将链码直方图和链码直方图空间分布熵相结合来对示功图提取特征值，该方法既考虑了链码的统计特性又考虑了链码的空间分布特性，提高了表示示功图的准确率。
　　最后，通过对示功图进行分类识别实现对抽油井故障诊断的目的。本文选用隐马尔科夫模型来对示功图进行分类识别，通过仿真实验验证了该方法的可行性。针对隐马尔科夫模型中参数训练过程容易陷入局部最优解的问题，采用改进的和声搜索算法对隐马尔科夫模型的初始模型进行优化选取，再输入Baum-Welch算法训练出较优的模型。仿真实验表明了，与传统的隐马尔科夫模型识别效果相比，经过优化算法训练的模型其收敛速度加快，容易跳出局部最优解，且识别准确率较高。