CN113670435A - 一种基于压缩感知技术的井下振动测量装置及其测量方法 - Google Patents

Abstract

一种基于压缩感知技术的井下振动测量装置及其测量方法，其中装置包括供电模块、振动传感器、信号调理模块、采样电路、微处理器、存储器、时钟模块及数据接口整体灌封后活动安装于井下钻具组合近钻头处的电子仓中，然后连接至钻井平台；通过设置井下振动测量装置的采样、存储规则和频率，并利用设置好的存储规则，采集得到稀疏采样数据，存储到其存储单元中，再根据测量得到的振动信号通过微处理器进行实时分析，实现监测钻具组合的工作状态，最后，将稀疏采样数据通过MWD上传到钻井平台上位机，再通过压缩感知技术的信号重构算法得到井下振动的高速测量信号，然后进行数据分析控制井下钻具组合的工作状态，及时调整工具的相应参数消除振动异常，具有操作方便、测量准确及高效实用的优点。

Description

一种基于压缩感知技术的井下振动测量装置及其测量方法

技术领域

本发明属于井下钻探技术领域，特别涉及一种基于压缩感知技术的井下振动测量装置及其测量方法。

背景技术

在钻井施工过程中，钻井工具的非正常损坏是钻井成本消耗的重要来源。而振动和冲击是导致钻井工具损坏的主要原因。井下钻具组合(Bottom Hole Assembly，简称BHA)钻井产生的振动与冲击会影响机械钻速、定向控制和井筒质量，使它们成为钻井失败的主要因素。随着井深的增加，较深处岩层中岩石的硬度和塑性都会增大，钻具振动导致的钻具失效问题更加突出。为此，需要对井下的振动信号进行测量。大量研究表明，振动信号的高速测量，是分析钻井过程中的异常振动/冲击信号的关键技术。但是，这种井下振动的高速检测，将会产生大量的测量数据，对井下振动测量设备数据存储的压力非常大。

针对井下振动的研究，可分为理论与数值模拟、测量分析两种方法。由于井下振动通常与钻具及其组成部分的动力学特性有关，具有复杂的非线性特征，使得理论与数值模拟方法受到了很大限制。在过去的三十年内，业内一直在利用随钻测量(MWD)技术检测井下振动，由于随钻测量仪器采样速率和高频振动测量产生大量数据的存储限制，目前井下振动测量着力于分析振动的振幅和均方根值。

加拿大的Datalog公司在钻具振动机理分析的基础上，研制开发出了钻具振动分析软件，利用振动的振幅和均方根值对引起钻头和钻具故障的主要因素进行了统计和分析。国内研究钻具振动信号的学者比较少，尤其是在振动测量方法上的研究，他们主要研究了模型固有频率的计算，从而防止钻具产生共振。

目前，井下振动的高频测量方面的研究主要存在以下问题：

(1)井下振动信号的高速检测，对数据存储的压力非常大；

(2)由于现有的井下振动采集装置未能实现对振动信号的连续高速采集和记录，因此井下振动的综合规律还没有真正被掌握。这些振动信号规律的有效应用，如钻具失效分析、工况分析和岩性识别等，都需要进一步地研究。

由此可知，现有的井下振动测量技术不能解决大容量存储与高速采集之间的矛盾。

发明内容

为了克服现有技术的不足，本发明的目的在于提供一种基于压缩感知技术的井下振动测量装置及其测量方法，应用于井下振动测量过程中，在装置的微处理器中利用压缩感知技术，实现智能算法；同时，对井下振动数据进行稀疏采样和存储，实现振动信号的高速测量，减少数据存储压力；进行数据分析，控制井下钻具组合的工作状态，并且实现井下工具的振动数据通讯共享，具有操作方便、测量准确及高效实用的优点。

为了实现上述目的，本发明采用的技术方案为：

一种基于压缩感知技术的井下振动测量装置，包括供电模块、振动传感器、信号调理模块、采样电路、微处理器、存储器、时钟模块及数据接口，所述供电模块给整个测量装置供电；振动传感器感知得到振动信号，然后通过信号调理模块调理成采样电路能够采集的电压信号；时钟模块给微处理器提供时钟信号；采样电路采集信号调理模块输出的电压信号，并将得到的电压信号经采样电路输出的数字信号发送给微处理器，然后由微处理器根据随机观测矩阵选择稀疏的采样数据存储到存储器；微处理器还通过数据接口将存储数据发送给钻井平台01的上位机。

所述供电模块、振动传感器、信号调理模块、采样电路、微处理器、存储器、时钟模块及数据接口整体灌封后，活动安装于井下钻具组合02近钻头04处的电子仓03中。

所述井下振动测量装置的微处理器中设置有采样数据的存储规则，存储规则为：

a.获取随机观测矩阵：设采样模块的采样频率为f，采样点数为N，编号为1～N，将这N个点按顺序分成M份，每份N/M个点，在每份中随机选取一个点，将选取点的编号组合，这样就组成了M个点的随机观测矩阵；

b.根据a步中得到的随机观测矩阵中的编号，利用存储器选择性地存储采样电路相应编号的输出数字信号的结果，记为稀疏采样数据E。

所述的钻井平台01的上位机通过压缩感知技术的分层追踪OMP信号重构算法，恢复得到井下振动的高速测量信号，具体为：

Step 1.将初始值为稀疏采样数据E的残差信号r投影到不同频谱分辨力的分层傅里叶字典Ψ1及Ψ2上：设计两个不同频谱分辨力的傅里叶字典，一个是原子个数为10*N的高频谱分辨力的精细字典Ψ1，N为采样点数；一个是原子个数为N/10的低频谱分辨力的索引字典Ψ2，初始化X₁、支撑集s₀及其对应的列向量集合B₀为空集，初始化残差信号r为E，计算残差阈值ε为1×10^-8，分别计算得到高分辨力感知矩阵A₁＝Φ·Ψ₁和低分辨力感知矩阵A₂＝Φ·Ψ₂，这里，Φ为随机观测矩阵，Ψ₁为精细字典，Ψ₂为索引字典；

Step 2.信号重构：计算得到A₂每一列与r的相关系数矩阵u₂，即：

寻找得到u₂最大系数对应的A₂的列序号pos，根据pos计算得到需投影的A₁的列序号范围[l₁,h₁]：

Step 3.计算该列序号范围内A₁与r的相关系数矩阵u₁，即：

u₁最大的列即为与残差信号r最匹配的列，选择将最大的相关系数对应的索引值λ更新到支撑集中，即s_i＝[s_i-1，λ]，更新对应的列向量集合，B_i＝[B_i-1,A_1λ]，A_1λ为A₁的第λ个原子；

Step 4.使用最小二乘法通过支撑集B_i进行系数逼近，即：

X₁＝(B_i ^TB_i)^-1B_i ^Tr (4)

对r进行更新：

r＝E-B_iX₁ (5)

Step 5.重复执行Step 2～Step 4，直至r的模值小于ε，此时得到X₁，再利用

E_out＝Ψ1·X₁ (6)

计算得到振动的高速测量信号E_out。

所述供电模块包括高温电池及电压转换电路，高温电池经过电压转换电路转换成芯片所需的供电电压。

一种基于压缩感知技术的井下振动测量装置的振动测量方法，其具体步骤如下：

步骤1、对井下测量装置的采样电路进行采样频率设置，对井下测量装置的微处理器进行采样数据的存储规则设置；

步骤2、将安装有井下振动测量装置的井下钻具组合02，连接至钻井平台01的井下钻管，设置通过随钻测量工具MWD上传的测量数据类型以及上传数据的大小；

步骤3、利用步骤1设置好的存储规则，并根据存储规则选择性存储采集得到振动传感器调理输出信号的采样数据，并将选择的稀疏采样数据存储到存储器中；

步骤4、对步骤3得到的振动传感器调理输出信号通过微处理器进行包括振动幅值、频率提取，实现监测钻具组合的工作状态；

步骤5、将步骤3得到的振动信号的稀疏采样数据通过随钻测量工具MWD上传到钻井平台01，在钻井平台01通过压缩感知技术的分层追踪OMP信号重构算法，恢复得到井下振动的高速测量信号；

步骤6、钻井平台01根据步骤5得到的井下振动的高速测量信号，将井下振动的高速测量信号利用傅里叶变换得到井下振动信号的频谱信息，根据得到的频谱信息和各个频率上信号的幅值信息分辨井下钻具组合02的振动状态和健康状况；当振动频率过高或者振动有异常脉冲，及时调整井下钻具组合02的相关参数以消除异常。

所述步骤1中对井下振动测量装置的采样数据的存储规则进行设置方法为：

a.获取随机观测矩阵：设采样模块的采样频率为f，采样点数为N，编号为1～N，将这N个点按顺序分成M份，每份N/M个点，在每份中随机选取一个点，将选取点的编号组合，这样就组成了M个点的随机观测矩阵；

b.根据a步中得到的随机观测矩阵中的编号，利用存储器选择性地存储采样电路相应编号的输出数字信号的结果，记为稀疏采样数据E。

所述的钻井平台01的上位机通过压缩感知技术的分层追踪OMP信号重构算法，恢复得到井下振动的高速测量信号，具体为：

Step 1.将初始值为稀疏采样数据E的残差信号r投影到不同频谱分辨力的分层傅里叶字典Ψ1及Ψ2上：设计两个不同频谱分辨力的傅里叶字典，一个是原子个数为10*N(N为采样点数)的高频谱分辨力的精细字典Ψ1；一个是原子个数为N/10的低频谱分辨力的索引字典Ψ2，初始化X₁、支撑集s₀及其对应的列向量集合B₀为空集，初始化残差信号r为E，计算残差阈值ε为1×10^-8，分别计算得到高分辨力感知矩阵A₁＝Φ·Ψ₁和低分辨力感知矩阵A₂＝Φ·Ψ₂，这里，Φ为随机观测矩阵，Ψ₁为精细字典，Ψ₂为索引字典；

Step 2.信号重构：计算得到A₂每一列与r的相关系数矩阵u₂，即：

寻找得到u₂最大系数对应的A₂的列序号pos，根据pos计算得到需投影的A₁的列序号范围[l₁,h₁]：

Step 3.计算该列序号范围内A₁与r的相关系数矩阵u₁，即：

u₁最大的列即为与残差信号r最匹配的列，选择将最大的相关系数对应的索引值λ更新到支撑集中，即s_i＝[s_i-1，λ]，更新对应的列向量集合，B_i＝[B_i-1,A_1λ]，A_1λ为A₁的第λ个原子；

Step 4.使用最小二乘法通过支撑集B_i进行系数逼近，即：

X₁＝(B_i ^TB_i)^-1B_i ^Tr (4)

对r进行更新：

r＝E-B_iX₁ (5)

Step 5.重复执行Step 2～Step 4，直至r的模值小于ε，此时得到X₁，再利用

E_out＝Ψ1·X₁ (6)

计算得到振动的高速测量信号E_out。

本发明与现有技术相比具有以下优点：

1、在井下振动测量过程中，在微处理器中利用压缩感知技术，利用设置好的存储规则，根据随机观测矩阵选择性地存储采样得到的井下振动数据，从而大大减少数据存储压力，节省存储空间；在工具返回地面后，这些存储数据通过压缩感知技术的分层追踪OMP信号重构算法，重新恢复成为高速信号，恢复井下振动信号的原貌。

2、在井下振动测量过程中，在微处理器中利用压缩感知技术，实现对井下振动数据选择性地存储，并且实现井下工具的振动数据通讯共享。井下钻具组合中的工具根据测量得到的振动信号通过井下处理器进行实时分析钻具的动力学特性；实现控制钻具组合的工作状态。例如，发现振动幅度过高，可以调整井下测量装置的参数以减小振动。

3、将稀疏采样数据通过随钻测量工具(MWD)上传到钻井平台01，再通过信号重构算法得到井下振动的高速测量信号，然后进行数据分析控制井下钻具组合的工作状态；无需改变原有振动设备的布置方式。例如，发现振动频率过高或者振动有异常脉冲，可以及时调整井下测量装置的参数以消除异常，严重时可以停机检修。

综上，本发明利用压缩感知技术，对振动信号进行选择性地存储，从而大大减小信号对井下测量设备的存储压力。然后，在钻井平台01数据可视端通过压缩感知技术的信号重构过程，利用稀疏采样数据恢复得到钻井过程中振动状态参量高速的数据信息；具有测量高效准确，节省存储空间及控制操作方便的优点。

附图说明

图1为本发明整体结构示意图。

图2为本发明井下振动测量装置安装示意图。

图3为本发明井下振动测量装置结构组成示意图

图4为本发明井下振动测量装置工作原理图。

图5为本发明不同工况的振动波形图。

图中：01、钻井平台；02、井下钻具组合；03、电子仓；04、钻头。

具体实施方式

下面结合附图对本发明做进一步说明。

参见图1至图3，一种基于压缩感知技术的井下振动测量装置，包括供电模块、振动传感器、信号调理模块、采样电路、微处理器、存储器、时钟模块及数据接口，所述供电模块给整个测量装置供电；振动传感器感知得到振动信号，然后通过信号调理模块调理成采样电路能够采集的电压信号；时钟模块给微处理器提供时钟信号；采样电路采集信号调理模块输出的电压信号，并将得到的电压信号经采样电路输出的数字信号发送给微处理器，然后由微处理器根据随机观测矩阵选择稀疏的采样数据存储到存储器；微处理器还通过数据接口将存储数据发送给钻井平台01的上位机。

所述供电模块、振动传感器、信号调理模块、采样电路、微处理器、存储器、时钟模块及数据接口整体灌封后活动安装于井下钻具组合02近钻头04处的电子仓03中。

所述井下振动测量装置的微处理器中设置有采样数据的存储规则，存储规则为：

a.获取随机观测矩阵：设采样模块的采样频率为f，采样点数为N，编号为1～N，将这N个点按顺序分成M份，每份N/M个点，在每份中随机选取一个点，将选取点的编号组合，这样就组成了M个点的随机观测矩阵；

b.根据a步中得到的随机观测矩阵中的编号，利用存储器选择性地存储采样电路相应编号的输出数字信号的结果，记为稀疏采样数据E。

所述的钻井平台01的上位机通过压缩感知技术的分层追踪OMP信号重构算法，恢复得到井下振动的高速测量信号，具体为：

Step 1.将初始值为稀疏采样数据E的残差信号r投影到不同频谱分辨力的分层傅里叶字典Ψ1及Ψ2上：设计两个不同频谱分辨力的傅里叶字典，一个是原子个数为10*N的高频谱分辨力的精细字典Ψ1，N为采样点数；一个是原子个数为N/10的低频谱分辨力的索引字典Ψ2，初始化X₁、支撑集s₀及其对应的列向量集合B₀为空集，初始化残差信号r为E，计算残差阈值ε为1×10^-8，分别计算得到高分辨力感知矩阵A₁＝Φ·Ψ₁和低分辨力感知矩阵A₂＝Φ·Ψ₂，这里，Φ为随机观测矩阵，Ψ₁为精细字典，Ψ₂为索引字典；

Step 2.信号重构：计算得到A₂每一列与r的相关系数矩阵u₂，即：

寻找得到u₂最大系数对应的A₂的列序号pos，根据pos计算得到需投影的A₁的列序号范围[l₁,h₁]：

Step 3.计算该列序号范围内A₁与r的相关系数矩阵u₁，即：

u₁最大的列即为与残差信号r最匹配的列，选择将最大的相关系数对应的索引值λ更新到支撑集中，即s_i＝[s_i-1，λ]，更新对应的列向量集合，B_i＝[B_i-1,A_1λ]，A_1λ为A₁的第λ个原子；

Step 4.使用最小二乘法通过支撑集B_i进行系数逼近，即：

X₁＝(B_i ^TB_i)^-1B_i ^Tr (4)

对r进行更新：

r＝E-B_iX₁ (5)

Step 5.重复执行Step 2～Step 4，直至r的模值小于ε，此时得到X₁，再利用

E_out＝Ψ1·X₁ (6)

计算得到振动的高速测量信号E_out。

所述供电模块包括高温电池及电压转换电路，高温电池经过电压转换电路转换成芯片所需的供电电压。

一种基于压缩感知技术的井下振动测量装置的振动测量方法，其具体步骤如下：

步骤1、对井下测量装置的采样电路进行采样频率设置，对井下测量装置的微处理器进行采样数据的存储规则设置；

步骤2、将安装有井下振动测量装置的井下钻具组合02，连接至钻井平台01的井下钻管，设置通过随钻测量工具MWD上传的测量数据类型以及上传数据的大小；

步骤3、利用步骤1设置好的存储规则，并根据存储规则选择性存储采集得到振动传感器调理输出信号的采样数据，并将选择的稀疏采样数据存储到存储器中；

步骤4、对步骤3得到的振动信号的稀疏采样数据通过微处理器进行包括振动幅值、频率提取，实现监测钻具组合的工作状态；

步骤5、将步骤3得到的振动信号的稀疏采样数据通过随钻测量工具MWD上传到钻井平台01，在钻井平台01通过压缩感知技术的分层追踪OMP信号重构算法，恢复得到井下振动的高速测量信号；

步骤6、钻井平台01根据步骤5得到的井下振动的高速测量信号，将井下振动的高速测量信号利用傅里叶变换得到井下振动信号的频谱信息，根据得到的频谱信息和各个频率上信号的幅值信息分辨井下钻具组合02的振动状态和健康状况；当振动频率过高或者振动有异常脉冲，及时调整井下钻具组合02的相关参数以消除异常。具体参见图4、图5。

从图5中可以看出，对于不同的工况：如工况一为井上大锤的敲击振动，工况二为井下钻头钻井引起的高频振动；在井下，振动信号比在大锤引起的简单冲击中获得的波形更丰富，表明存在高频钻井事件，该高频钻井事件极易造成导致钻井工具损坏；因此可以通过高速采集的振动信号波形的不同特征来确定不同的工况。

所述步骤1中对井下振动测量装置的采样数据的存储规则进行设置方法为：

a.获取随机观测矩阵：设采样模块的采样频率为f，采样点数为N，编号为1～N，将这N个点按顺序分成M份，每份N/M个点，在每份中随机选取一个点，将选取点的编号组合，这样就组成了M个点的随机观测矩阵；

b.根据a步中得到的随机观测矩阵中的编号，利用存储器选择性地存储采样电路相应编号的输出数字信号的结果，记为稀疏采样数据E。

所述的钻井平台01的上位机通过压缩感知技术的分层追踪OMP信号重构算法，恢复得到井下振动的高速测量信号，具体为：

Step 1.将初始值为稀疏采样数据E的残差信号r投影到不同频谱分辨力的分层傅里叶字典Ψ1及Ψ2上：设计两个不同频谱分辨力的傅里叶字典，一个是原子个数为10*N(N为采样点数)的高频谱分辨力的精细字典Ψ1；一个是原子个数为N/10的低频谱分辨力的索引字典Ψ2，初始化X₁、支撑集s₀及其对应的列向量集合B₀为空集，初始化残差信号r为E，计算残差阈值ε为1×10^-8，分别计算得到高分辨力感知矩阵A₁＝Φ·Ψ₁和低分辨力感知矩阵A₂＝Φ·Ψ₂，这里，Φ为随机观测矩阵，Ψ₁为精细字典，Ψ₂为索引字典；

Step 2.信号重构：计算得到A₂每一列与r的相关系数矩阵u₂，即：

寻找得到u₂最大系数对应的A₂的列序号pos，根据pos计算得到需投影的A₁的列序号范围[l₁,h₁]：

Step 3.计算该列序号范围内A₁与r的相关系数矩阵u₁，即：

u₁最大的列即为与残差信号r最匹配的列，选择将最大的相关系数对应的索引值λ更新到支撑集中，即s_i＝[s_i-1，λ]，更新对应的列向量集合，B_i＝[B_i-1,A_1λ]，A_1λ为A₁的第λ个原子；

Step 4.使用最小二乘法通过支撑集B_i进行系数逼近，即：

X₁＝(B_i ^TB_i)^-1B_i ^Tr (4)

对r进行更新：

r＝E-B_iX₁ (5)

Step 5.重复执行Step 2～Step 4，直至r的模值小于ε，此时得到X₁，再利用

E_out＝Ψ1·X₁ (6)

计算得到振动的高速测量信号E_out。

Claims (8)

1.一种基于压缩感知技术的井下振动测量装置，包括供电模块、振动传感器、信号调理模块、采样电路、微处理器、存储器、时钟模块及数据接口，其特征在于：所述供电模块给整个测量装置供电；振动传感器感知得到振动信号，然后通过信号调理电路调理成采样电路能够采集的电压信号；时钟模块给微处理器提供时钟信号；采样电路采集信号调理模块输出的电压信号，并将得到的电压信号经采样电路输出的数字信号发送给微处理器，然后由微处理器根据随机观测矩阵选择稀疏的采样数据存储到存储器；微处理器还通过数据接口将存储数据发送给钻井平台(01)的上位机。

2.根据权利要求1所述的一种基于压缩感知技术的井下振动测量装置，其特征在于：所述供电模块、振动传感器、信号调理模块、采样电路、微处理器、存储器、时钟模块及数据接口整体灌封后，活动安装于井下钻具组合(02)近钻头(04)处的电子仓(03)中。

3.根据权利要求1或2所述的一种基于压缩感知技术的井下振动测量装置，其特征在于：所述井下振动测量装置的微处理器中设置有采样数据的存储规则，存储规则为：

a.获取随机观测矩阵：设采样模块的采样频率为f，采样点数为N，编号为1～N，将这N个点按顺序分成M份，每份N/M个点，在每份中随机选取一个点，将选取点的编号组合，这样就组成了M个点的随机观测矩阵；

b.根据a步中得到的随机观测矩阵中的编号，利用存储器选择性地存储采样电路相应编号的输出数字信号的结果，记为稀疏采样数据E。

4.根据权利要求1或2所述的一种基于压缩感知技术的井下振动测量装置，其特征在于：所述的钻井平台(01)的上位机通过压缩感知技术的分层追踪OMP信号重构算法，恢复得到井下振动的高速测量信号，具体为：

Step 1.将初始值为稀疏采样数据E的残差信号r投影到不同频谱分辨力的分层傅里叶字典Ψ1及Ψ2上：设计两个不同频谱分辨力的傅里叶字典，一个是原子个数为10*N的高频谱分辨力的精细字典Ψ1，N为采样点数；一个是原子个数为N/10的低频谱分辨力的索引字典Ψ2，初始化X₁、支撑集s₀及其对应的列向量集合B₀为空集，初始化残差信号r为E，计算残差阈值ε为1×10^-8，分别计算得到高分辨力感知矩阵A₁＝Φ·Ψ₁和低分辨力感知矩阵A₂＝Φ·Ψ₂，这里，Φ为随机观测矩阵，Ψ₁为精细字典，Ψ₂为索引字典；

Step 2.信号重构：计算得到A₂每一列与r的相关系数矩阵u₂，即：

寻找得到u₂最大系数对应的A₂的列序号pos，根据pos计算得到需投影的A₁的列序号范围[l₁,h₁]：

Step 3.计算该列序号范围内A₁与r的相关系数矩阵u₁，即：

u₁最大的列即为与残差信号r最匹配的列，选择将最大的相关系数对应的索引值λ更新到支撑集中，即s_i＝[s_i-1，λ]，更新对应的列向量集合，B_i＝[B_i-1,A_1λ]，A_1λ为A₁的第λ个原子；

Step 4.使用最小二乘法通过支撑集B_i进行系数逼近，即：

X₁＝(B_i ^TB_i)^-1B_i ^Tr (4)

对r进行更新：

r＝E-B_iX₁ (5)

Step 5.重复执行Step 2～Step 4，直至r的模值小于ε，此时得到X₁，再利用

E_out＝Ψ1·X₁ (6)

计算得到振动的高速测量信号E_out。

5.根据权利要求1或2所述的一种基于压缩感知技术的井下振动测量装置，其特征在于：所述供电模块包括高温电池及电压转换电路，高温电池经过电压转换电路转换成芯片所需的供电电压。

6.基于权利要求1至5任一压缩感知技术的井下振动测量装置的振动测量方法，其特征在于：具体包括如下步骤：

步骤1、对井下测量装置的采样电路进行采样频率设置，对井下测量装置的微处理器进行采样数据的存储规则设置；

步骤2、将安装有井下振动测量装置的井下钻具组合(02)，连接至钻井平台(01)的井下钻管，设置通过随钻测量工具MWD上传的测量数据类型以及上传数据的大小；

步骤3、利用步骤1设置好的存储规则，并根据存储规则选择性存储采集得到振动传感器调理输出信号的采样数据，并将选择的稀疏采样数据存储到存储器中；

步骤4、对步骤3得到的振动信号的稀疏采样数据通过微处理器进行包括振动幅值、频率提取，实现监测钻具组合的工作状态；

步骤5、将步骤3得到的振动信号的稀疏采样数据通过随钻测量工具MWD上传到钻井平台(01)，在钻井平台(01)通过压缩感知技术的分层追踪OMP信号重构算法，恢复得到井下振动的高速测量信号；

步骤6、钻井平台(01)根据步骤5得到的井下振动的高速测量信号，将井下振动的高速测量信号利用傅里叶变换得到井下振动信号的频谱信息，根据得到的频谱信息和各个频率上信号的幅值信息分辨井下钻具组合(02)的振动状态和健康状况；当振动频率过高或者振动有异常脉冲，及时调整井下钻具组合(02)的相关参数以消除异常。

7.根据权利要求6所述的一种基于压缩感知技术的井下振动测量装置的振动测量方法，其特征在于：所述步骤1中对井下振动测量装置的采样数据的存储规则进行设置方法为：

a.获取随机观测矩阵：设采样模块的采样频率为f，采样点数为N，编号为1～N，将这N个点按顺序分成M份，每份N/M个点，在每份中随机选取一个点，将选取点的编号组合，这样就组成了M个点的随机观测矩阵；

b.根据a步中得到的随机观测矩阵中的编号，利用存储器选择性地存储采样电路相应编号的输出数字信号的结果，记为稀疏采样数据E。

8.根据权利要求6所述的一种基于压缩感知技术的井下振动测量装置的振动测量方法，其特征在于：所述步骤5中压缩感知技术的分层追踪OMP信号重构算法的具体方法为：

Step 1.将初始值为稀疏采样数据E的残差信号r投影到不同频谱分辨力的分层傅里叶字典Ψ1及Ψ2上：设计两个不同频谱分辨力的傅里叶字典，一个是原子个数为10*N(N为采样点数)的高频谱分辨力的精细字典Ψ1；一个是原子个数为N/10的低频谱分辨力的索引字典Ψ2，初始化X₁、支撑集s₀及其对应的列向量集合B₀为空集，初始化残差信号r为E，计算残差阈值ε为1×10^-8，分别计算得到高分辨力感知矩阵A₁＝Φ·Ψ₁和低分辨力感知矩阵A₂＝Φ·Ψ₂，这里，Φ为随机观测矩阵，Ψ₁为精细字典，Ψ₂为索引字典；

Step 2.信号重构：计算得到A₂每一列与r的相关系数矩阵u₂，即：

寻找得到u₂最大系数对应的A₂的列序号pos，根据pos计算得到需投影的A₁的列序号范围[l₁,h₁]：

Step 3.计算该列序号范围内A₁与r的相关系数矩阵u₁，即：

u₁最大的列即为与残差信号r最匹配的列，选择将最大的相关系数对应的索引值λ更新到支撑集中，即s_i＝[s_i-1，λ]，更新对应的列向量集合，B_i＝[B_i-1,A_1λ]，A_1λ为A₁的第λ个原子；

Step 4.使用最小二乘法通过支撑集B_i进行系数逼近，即：

X₁＝(B_i ^TB_i)^-1B_i ^Tr (4)

对r进行更新：

r＝E-B_iX₁ (5)

Step 5.重复执行Step 2～Step 4，直至r的模值小于ε，此时得到X₁，再利用

E_out＝Ψ1·X₁ (6)

计算得到振动的高速测量信号E_out。

Images