潜油电泵是目前国内外各大油田所使用的主要机械采油设备,其可靠性和高效性是油田持续稳产高产的重要保障。潜油电泵机组为密封结构,其构成比较复杂,在运行过程中容易出现故障,且发生的许多故障都会引起机组的剧烈振动,因此可以通过对机组的振动信号进行分析并提取故障的相关特征,从而判断故障的类型。本文对潜油电泵试验井井口的振动信号进行采集和分析,提取潜油电泵机组的振动信号特征,完成了某些故障的诊断。论文完成的主要工作包括:1.设计了一套基于USB7360采集模块和YD系列压电传感器的振动信号采集系统,以便对潜油电泵井井口的振动信号进行采集,并在采集系统中自行设计了电荷放大器,从而实现了对微弱电荷信号的有效放大。2.研究了小波分析和小波变换在振动信号分析中的应用。小波分析是时频分析的一种,具有时频局部化的特性和多分辨分析的特点,克服了傅里叶变换不具备时频局部分析能力的缺点。通过对潜油电泵机组的振动信号进行小波变换和频域分析,可以实现对故障特征的提取。利用时域波形、功率谱、小波分解等多种方法对已测得的潜油电泵机组的多组振动数据进行了分析,经过分析对比和归纳总结,得到了潜油电泵机组在叶轮偏磨、叶轮砂堵和轴承偏磨时三种故障特征提取的有效方法。3.对神经网络在故障诊断中的应用进行了探讨,针对潜油电泵机组故障的多态性和多层次性,结合振动数据的轴向频域特征,建立了基于高斯-牛顿法的BP神经网络,通过对其训练和学习,实现了三种常见故障的有效诊断。实验证明,对潜油电泵试验井井口的振动信号分析,从中提取相关的故障特征并建立非线性映射模型进行故障诊断是有效可行的。本文的工作为潜油电泵机组故障诊断技术的研究提供了有益的思路。