油田未来发展的大趋势是从数字化过渡转向智能化，实现油田的智能化管理可以有效改善生产效率。文章以游梁式抽油机为研究对象，它需要24小时不停地工作，所以其工作状态正常与否直接关系到生产安全、产业经济效益。本文以油田抽油机工况监测系统中数据采集网络构建及监控中心抽油机故障诊断方法为视角切入研究，通过科学对比论证及仿真实验的方法，力图为本文的系统研究提供有力证明。主要工作如下：首先，根据现有油田中油井数据采集传输的实际情况，以ZigBee无线传感网络技术为基础，针对游梁式抽油机单井构架了抽油机工况参数监测系统，同时融合技术成熟的GPRS数据通信传输方式，实现了新型的油井工况监测系统数据采集与传输网络。其次，论文以CC2430为核心芯片，设计了载荷与位移传感器的设计接口电路，同时设计了能够满足传感器及无线ZigBee射频芯片的电源电路，网关中心节点电路，并在实验室环境下对模块节点做了无线功耗测试。并给出了整个网络的组网过程与工作流程，提高了系统组网能力及灵活性能，降低了成本。最后，分析游梁式抽油机工作原理及故障原理，将模糊神经网络应用在抽油机故障诊断当中，给出了改进的模糊神经网络学习算法，其中将高斯隶属度函数和模糊规则进行改进，经过仿真实验表明改进的算法在抗干扰性及训练误差收敛性能上更优，进一步以实测多口抽油机实验数据为样本，选取了8种故障征兆以及5种故障数据，在MATLAB7.10版本下编写程序仿真，所建立的模糊神经网络模型能够准确、高效率的抽油杆断脱、抽油机不平衡、抽油杆偏磨等故障做出准确诊断。