卡钻是钻井过程中常见的风险，严重制约安全高效钻井。传统的阻卡诊断与卡钻处置方法大多基于专家经验、机理模型或监督机器学习算法，存在诊断滞后、过拟合虚警高、主观性强和适配性低等问题。基于无监督学习与K近邻算法，提出了卡钻风险诊断与处置案例推荐方法，并形成软件系统。该系统分为卡钻风险诊断与卡钻事故处理两大核心模块。卡钻风险诊断模块采用孤立森林算法（Isolation Forest）对井下实时数据中的核心工程参数的异常变化趋势进行监控与诊断；卡钻事故处理模块则采用基于KD-Tree+KNN的案例推理算法检索卡钻案例决策库，将相似度最高的前三个案例数据返回到客户端辅助工程师处理卡钻事故。基于上述研究，设计并实现了基于案例推理的井下卡钻智能诊断系统。测试表明，本系统在事故前5 min左右成功发出预警，并快速检索出相似度最高的3个历史处置案例，并推送到界面，为工程师提供了直接的决策支持。