钻井泵是石油钻井循环中的重要设备,在钻井过程中因工况恶劣,常因故障导致施工停滞,从而影响钻井过程。目前中石油对钻井泵工作状态的评估主要靠工程师经验判断,一般是通过耳听、目测的方式对钻井泵的故障进行判断。这样的方式不能及时准确判定泵故障,且不安全作业的风险大,常常导致泵工作效率低,出现较严重故障,严重影响了钻井进程。现场急需一种测试手段实现钻井泵的现场测试,以满足钻井泵工作状态评估的需要。本论文采用振动测试方法对现场钻井泵采集振动信号,检测钻井泵目前的运行状态,可对其进行维护和保养。首先,本论文广泛调研了国内外文献及现场钻井泵维修情况,分析和总结钻井泵常见故障、故障机理及维修工艺。为了区分和识别钻井泵各故障的严重程度,将故障分为Ⅰ类故障和Ⅱ类故障两类,对钻井泵维修是否立即维修提供了指导性建议。本论文对采集的振动信号分别进行了滤波处理、时域分析频谱分析及小波包分解等技术。其次,本论文研制了钻井泵故障诊断的硬件系统。并且根据研制的硬件系统在现场做了试验。试验分为无故障钻井泵优传感器位置试验、故障试验及待测钻井泵试验。其中故障试验是将大修钻井泵故障件分别单一的安装在无故障泵上,采集相应的振动信号,建立起故障数据库。待测钻井泵试验是选择相同生产厂家同型号钻井泵的相似故障件作为待诊断钻井泵试验,验证故障件测试信号的准确性。然后,本论文采用了两种方法识别基于小波特征量的故障诊断。一种是基于粗糙集理论的BP神经网络诊断故障,使用粗糙集理论化简信息系统,然后利用BP神经网络诊断故障,并且用现场数据与实际故障进行了验证。另一种是概率神经网络识别故障,介绍了概率神经网络的来源与工作原理,用数据验证了该方法的识别效果。通过对比两种故障识别方法,比较了两种方法的优缺点,最终确定了概率神经网络能够快速、有效的识别钻井泵故障。最后,编写了钻井泵故障诊断系统的软件。采用了MATLAB与VB的混合编程技术,利用MATLAB的强大运算功能和VB友好界面编写,从而减少了编程工作量。深入介绍了两者混合编程的具体实现过程,充分发挥了MATLAB与VB两种软件的优点。通过分模块详细介绍了软件的设计与实现功能,最终完成了钻井泵故障诊断系统软件的主要程序。