当前石油能源的社会需求日益紧迫，高效率、高产量的石油开采技术要求势在必行，而有杆式抽油机是我国现行原油开采使用最为广泛的抽油设备，其正常运行的可靠性是石油供应与油田效益的保障，也是油田数字化建设的重要组成部分。如何实现在野外作业、地处偏远、条件恶劣的抽油设备的工况诊断与变频智能控制是石油开采行业研究的重点，其技术对提高油田经济效益与原油的产量有重要作用。　　针对原油开采状况，本文以示功图作为抽油机井故障诊断的主要依据，结合人工智能的诊断算法与变频自动控制策略，设计完成系统的整体架构。该课题以嵌入式ARM7为井口数据监控终端核心，以ZigBee无线通讯、油田局域网为数据传输方式，以地面示功图故障特征参数为研究对象，以专家系统和BP神经网络为故障诊断方法，以变频控制技术为抽油机控制调整策略。通过对油井示功图形态、故障特征以及生产设备条件的分析，提炼出专家系统的分类规则和网络模型的特征参数，由人工智能融合算法准确诊断出发生故障的类型，从而形成遥控指令下发给终端设备控制抽油机启停或调整抽油机冲次速度，实现有杆抽油机井的远程智能诊断与控制。两种智能技术与控制策略的有机结合，不但提高了故障识别率，而且实现了油井的自动化管理。　　根据以上理论的研究，采用C＃与Matlab混合编程设计完成基于示功图故障诊断与自动变频控制系统，建立示功图专家知识库及神经网络模型，对油井十几种故障类型的实测数据进行实验，验证了该故障诊断与控制策略结合方法的可行性，且诊断结果正确、控制效果良好，尤其是对以有杆抽油机为核心的采油产业有一定的应用价值。