在我国的油田中,普遍存在着油井采油效率低下的问题。为了防止抽油机故障停机、无油空抽、不法分子的蓄意破坏等情况的发生,因此对油井工况进行实时监控显得尤为重要。本文论述了采集用于形成油井示功图的位移和载荷数据的传感器的研制,包括硬件电路和软件的设计,对基于RBF神经网络的油井工况模式识别方法进行了研究,对监控系统主机的部分硬件电路及相应的软件进行了设计,并对整个油井监控系统进行了联调和测试。根据位移-载荷传感器功能和主要技术指标要求,采用高性能静态80C51设计的,带有非易失性Flash的8位微处理器P89C51RC2作为传感器的核心控制器。从而达到节省电路板空间、简化电路结构,提高系统可靠性的目的。对抽油机工作电压、电流进行数据采集,用方均根值法由交流采样值计算三个基本电参数,并通过LCD和键盘进行随时的监测。通过固定在抽油杆上的位移-载荷传感器实时采集油杆的位移数据和载荷数据,再采用微功率无线通信模块通过串口将采集来的位移数据和载荷数据传送至远端的监控系统主机,用两种数据形成示功图曲线。根据示功图在线实时判断油井的工况模式,这是实现有效监控的关键。鉴于目前油井工况模式识别方法的缺陷和局限性以及神经网络的应用背景,设计了用RBF神经网络和DCT相结合的方法实现实时对油井工况模式的识别,解决了单片机存储空间、训练速度和实时识别两方面的问题,提高了主机的控制和处理能力。编制了具有良好人机交互界面的监控系统的主程序,可方便快捷地通过键盘控制和LCD显示完成监控系统的各项功能。本课题完成了位移-载荷传感器的研制、对油井工况进行实时的监控、主体软件的设计以及对整个油井监控系统进行了联调和测试。实现了抽油杆位移和载荷数据的采集和传输,油井工作电参量监测,实时判断油井工况模式,显示油井工作数据的功能。