抽油机是石油工业中最常用的传动设备之一,是集机械、电气、传动、液压、电子等系统于一体的复杂机械,其工作状态正常与否直接影响到石油开采的安全和生产。因此,研究抽油机的状态监测和故障诊断技术,对于避免突发事故以及维护体制具有重要的理论价值和现实意义。本文以抽油机齿轮箱为研究对象,针对齿轮箱振动信号的消噪和特征提取的关键问题,研究了适用于抽油机齿轮振动信号的消噪、处理和识别的方法,并应用相对广义S变换的能量分布的方法对齿轮箱信号进行处理,通过对实测数据进行直观的模式识别,有效地识别齿轮箱故障,并检验了方案的可行性。根据石油工业的生产实际,设计研发了距离改变和核函数相结合的半监督局部线性嵌入学习和流形算法相结合的抽油机齿轮箱故障诊断专家系统。本文从振动信号的数据预处理着手,进行了如下的一系列的研究工作:首先研究了抽油机齿轮箱振动机理,总结了齿轮箱诊断信息获取、故障特征提取和故障模式识别等方面国内外的研究现状,在此基础上,确立了本文的总体研究思路和研究内容。其次针对抽油机齿轮箱振动信号采集的扰动性比较大的问题,本文提出了一种改进的加入等比下降因子的双曲正切函数LMS算法和支持向量机混合回波消噪技术,通过理论分析和仿真对比,证明此方法可以得到更为明显的信号特征,并且改进后的算法具有稳态误差小、收敛速度加快和信噪比高等优点。并将此算法应用于抽油机齿轮箱实际振动信号处理中,完全可以满足齿轮箱振动信号的消噪要求,为进一步信号的特征提取提供了可靠的保证。在分析了抽油机齿轮箱振动信号特征的基础上,研究了傅里叶、希尔伯特变换、小波变换等传统分析信号的方法,通过理论研究和仿真,找到其中的特点与不足,本文是在广义S变换基础上提出了相对广义S变换能量分布方法,并用改进的方法对抽油机齿轮箱振动信号特征进行提取。本文对该方法的理论基础、实现流程进行研究和分析,并通过合成加噪信号进行仿真验证,对齿轮箱常见的断齿、裂纹、尖齿故障进行分析,该方法直观且有效,很好地解决在特征频率处不完全体现特征信息的难题,为进行智能模式识别提供可靠的数据来源。针对传统半监督学习算法的特点,本文通过距离改变和内嵌核函数相结合的方法对半监督局部线性嵌入学习算法进行改进,通过对合成信号和实测信号仿真验证了该改进算法的有效性。利用改进后的半监督局部线性嵌入学习算法相结合对时域特征和频域能量分布信息特征所组合构成的特征向量进行诊断和分析,更加体现了该智能故障诊断系统的有效性。最后基于改进的自适应回波消噪、相对广义S变换能量分布和能谱熵特征提取方法,本文设计以Lab VIEW为平台的抽油机齿轮箱故障诊断系统,该故障诊断系统由五大基本模块组成,即信号回放模块、时域分析模块、频域分析模块、基于相对广义S变换的能量特征的时频分析模块和基于改进的半监督局部线性嵌入学习算法的故障诊断系统模块。该系统实测诊断结果表明,本文所设计的方法切实可行,对于企业安全生产具有重要意义。