针对广泛应用的有杆抽油机故障率较高的现状，提出傅立叶描述子和RBF神经网络相结合的算法判断抽油机工况。该算法基于典型示功图的几何特征，提取低频区傅里叶描述子作为特征参数，再结合上、下冲程的载荷变化量，构成代表对应工况的12个综合特征参数，利用RBF神经网络建立识别网络模型，对数据进行网络训练得到RBF神经网络。通过MATLAB仿真平台完成了PSORBF神经网络的示功图识别的仿真验证。

针对广泛应用的有杆抽油机故障率较高的现状，提出傅立叶描述子和RBF神经网络相结合的算法判断抽油机工况。该算法基于典型示功图的几何特征，提取低频区傅里叶描述子作为特征参数，再结合上、下冲程的载荷变化量，构成代表对应工况的12个综合特征参数，利用RBF神经网络建立识别网络模型，对数据进行网络训练得到RBF神经网络。通过MATLAB仿真平台完成了PSORBF神经网络的示功图识别的仿真验证，实际运用在油田生产中准确性良好。