现代故障诊断的理论与技术的研究,特别是在单故障诊断方面,已经取得了较大的发展.现代实际中的系统越来越复杂,并呈现出非线性和强关联等特点.该文基于小波变换和人工神经网络,对多故障诊断的有关问题进行了探讨,并将研究结果应用于抽油机的多故障诊断中,取得了较好的效果.该文首先从故障诊断中的特征量提取入手,利用小波包算法不仅从低频上分解信号,而且从高频上分解的特点,来有效地提取示功图的"大概"和"细节"特征.同时,结合示功图几何特征和生产参数,最终组成诊断抽油机故障的本质特征依据.这样对分离异类、聚合同类的特征值是有益的,从而提供了一种诊断多故障的方法.接着,考虑到人工神经网络已经成功应用到实际的故障诊断系统中,但是主要用于对单故障的诊断.而实际应用中,多故障同时出现的情况却普遍存在.于是构造了一种既能用来诊断单故障,又能诊断多故障的诊断模型.通过对其结构的描述,并且用一个实例与传统的诊断模型对比,说明了这种诊断模型的可行性和有效性.最后,以抽油机为研究对象,将多故障诊断的理论与方法应用于抽油机实际生产中,并结合现今计算机技术,开发了相应的自动诊断软件.从试验结果来看,该诊断软件有很好的自动识别能力,诊断率高.