目前，世界各油田广泛采用有杆泵采油的方式进行开采，该方式所用设备结构简单，操作方便，综合成本较低。然而，油田工作现场环境多变，井下工况复杂，极易导致抽油机井发生故障。及时准确地进行故障诊断，可以提高油井产量，增加油田效益。油井示功图是油井工作状态的重要表征，能够反映出抽油泵发生的各类异常现象。示功图分析能够有效地诊断油井故障，因此，对示功图进行准确地分析识别意义重大。本文以有杆抽油泵的示功图为研究对象，主要研究了以下内容：1、本文分析了有杆泵采油的工作原理，并结合有杆抽油泵的工作过程详细论述了示功图的形成过程。同时，建立了典型示功图样本库，对各类型故障示功图的成因及图形特点作了详细的分析，为后续示功图的特征提取及故障诊断提供了依据。2、对示功图进行特征提取。本文选取了两种不同特性的示功图特征提取算法：基于矩特征的示功图特征提取算法，该方法提取的特征向量具有旋转、平移和尺度变换不变性，能够有效地排除示功图旋转变形对其识别效果的影响；基于频谱分析的示功图特征提取算法，该方法对示功图的平移和尺度变换不敏感，旋转则会造成其高频区域能量增加，该方法的优点在于能够有效排除抽油杆振动对示功图造成的影响。3、对示功图进行分类识别。本文主要研究了仿生模式识别应用于有杆抽油泵示功图分析的识别效果，给出了仿生模式识别的理论基础，仿生模式识别应用于示功图识别的实现方法及采用两种不同特征向量对示功图分析的识别效果。作为对比，本文同时介绍了支持向量机的理论基础，采用台湾大学林智仁教授等人开发设计LIBSVM对示功图进行分类识别，再与仿生模式识别的识别效果进行比较。实验表明，使用基于矩特征算法的特征向量，两种识别方法识别效果相仿，都能达到98%以上；使用频谱分析算法提取的特征向量，仿生模式识别的识别效果更佳，可达到96.5%。