【摘要】针对现有抽油机状态监测中单一数据源局限性大、抗噪声性能弱及诊断精度不足等问题，本研究提出基于多模态传感器数据融合的抽油机状态智能感知与诊断方法。研究创新点在于：构建改进深度残差收缩神经网络（DRSN），融合振动、音频等多模态传感器数据，通过软阈值化机制实现动态权重分配。实验表明，改进 DRSN 模型故障诊断准确率提升 3% ～ 8%。本研究为油田设备智能运维提供了高精度、低成本的解决方案，具有一定的技术创新价值与工程应用前景。