在当前原油生产中,有杆泵抽油方式占据很大比重。抽油机等采油设备大多是野外作业,地理位置分散,自然环境恶劣,而且抽油机的井下工况复杂,导致抽油机的故障诊断和处理不及时,严重影响油田的产量和效益。因此,及时分析抽油机工况,对提高原油开采效率和提升油田经济效益具有重要意义。在油田生产中,通常以示功图作为分析有杆抽油机工况的主要依据,示功图特征提取是进行工况分析和诊断的关键步骤。论文的主要内容如下：(1)阐述了示功图诊断中需要解决的问题。以集合的观点模型分析了示功图故障诊断中需要找到的集合映射关系。将整个过程拆分成了多个相对简单部分,从而简化并且清晰化了问题。(2)论文论述了示功图分析方法的发展以及抽油机和抽油泵的工作原理,重点对示功图的形成过程、典型故障示功图的图形特点和形成原因做出了分析。(3)提出了一种将自然语言所描述的示功图特征转换为机器语言的特征提取方法,从而充分利用了大量的人工经验和相关先验知识。其提取的特征向量清晰易懂,各个特征属性之间的相关性较小。很大程度上简化了接下来的分析处理。(4)基于本文的特征提取方法,讨论了有标签的训练分类,使用了一种结合K最邻近法和最优超平面的分类思想的方法,对示功图样本集进行了分类实验,得益于特征提取方法,在简单的一维线性分类情况下得到了很好的分类效果。(5)为了处理无训练样本的情况,针对本文的特征提取方法,对未知标签类的样本采用基于聚类分析的无监督学习方法。并使用K均值聚类和基于密度的聚类方法对示功图样本集进行了聚类实验。