針對(duì)傳統(tǒng)的示功圖識(shí)別方法對(duì)抽油機(jī)井進(jìn)行故障診斷存在人工選取示功圖特征,識(shí)別準(zhǔn)確度低等問(wèn)題,基于人工智能理論,提出一種卷積神經(jīng)網(wǎng)絡(luò)(CNN)和支持向量機(jī)(SVM)相結(jié)合的示功圖智能識(shí)別模型。利用卷積神經(jīng)網(wǎng)絡(luò)對(duì)示功圖圖像特征自動(dòng)提取,利用支持向量機(jī)根據(jù)提取的深層圖像特征給出故障診斷結(jié)果。結(jié)果表明,將CNN與SVM結(jié)合用于示功圖識(shí)別不僅省去了人工選取示功圖特征這一環(huán)節(jié),而且識(shí)別準(zhǔn)確度也高達(dá)99.71%,測(cè)試性能優(yōu)于其他識(shí)別模型。該模型的提出為抽油機(jī)井故障的快速準(zhǔn)確診斷提供了可行的解決方案,對(duì)油田高效作業(yè)具有重要意義。