潜油电泵是油田主要的采油设备,而偏磨是其常见故障,严重偏磨时可能会发生机组落井的重大事故。偏磨故障诊断研究对油田生产具有重大意义。　　 本文在潜油电泵试验井上采集了振动信号,对信号进行了小波分析和样本主成分分析,提出了潜油电泵偏磨诊断特征参数的选择和提取方法,利用改进粒子群优化的支持向量机作为分类器,进行了偏磨故障的识别研究。论文主要完成了以下工作:　　 1.设计了一套基于并行采集模块USB7648AN和加速度传感器MMA7361LC的振动信号采集系统;在胜利采油厂电泵试验井采集了大量的潜油电泵的振动数据。　　 2.分析了潜油电泵偏磨的运动学原理,从理论上论证了利用加速度信号实现偏磨诊断的可行性。　　 3.将小波变换理论应用于振动信号分析。对振动信号使用biorl.5小波先作三层小波分解,再对三层小波细节系数以及第三层近似系数进行一维单支重构,并对这四个小波重构系数进行AR模型功率谱估计,提出了以功率谱系数作为特征参数实现偏磨故障特征提取的方法。　　 4.将主成分分析方法应用于偏磨故障诊断,利用改进的粒子群算法对支持向量机的径向基宽度σ和惩罚因子C进行优化,再以支持向量机作为分类器,分析对比了不同特征参数的提取方法。以样本四维小波系数的功率谱系数的主成分作为特征参数,对支持向量机进行了样本训练以及现场诊断。　　 分析结果表明,以牺牲计算量为代价,潜油电泵机组偏磨故障的最高平均识别率可达89％。本文的工作为潜油电泵机组偏磨故障诊断技术的研究提供了有益的思路。