基于深度学习的 252 Cf源驱动核材料裂变中子信号分析与处理研究
发布时间：2021-02-25 06:34
众所周知,美国在二战期间投递的两颗原子弹造成了日本广岛与长崎重大的财产损失和人员伤亡,自此,人们认识并领略了核武器极大的破坏力与危害性。时至今日,核不扩散在众多国际会议中屡屡被提及——伊核问题,朝核问题以及防止恐怖组织拥有核武器,等等。由此可见,防范和控制核武器仍是当今世界严峻的课题之一。诚然,防范和控制核武器离不开准确、快速的核军控核查理论、仪器及方法技术。其中,252Cf源驱动噪声分析法,目前在核军控核查领域中,其是一种主动式测量方法可以在被核查现场场所给出核材料浓度、材质、质量及反应性等信息,因而备受人们青睐。有鉴于此,本文以国家自然科学基金“252Cf源驱动核材料裂变中子脉冲信号的压缩感知理论应用基础研究”（批准号:11605017）等科研项目为依托,借助于蒙特卡罗方法对核材料的裂变中子之核信号采集系统的模拟,创新性将深度学习引入到核材料裂变中子的分析与处理研究之中,开展了基于深度学习的核材料浓度、储存形状、材质等特性的分析识别研究。主要研究内容,包括:（1）分析了核军控核查技术的国内外研究现状,重点理清了252...
【文章来源】：重庆大学重庆市 211工程院校 985工程院校 教育部直属院校
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
中子裂变反应物理过程
且幅度也会有所不同。图2.3 显示了 γ 光子与中子裂变信号在时域上的分布情况[41]。252Cf 源自发裂变的中子到达铀铸件后会引发裂变产生裂变中子与γ光子，但由于粒子不同，而且仅对中子来说，其所携带的能量也不尽相同，到达探测器时间会有差别。由于所有的γ光子以光速传播，所以在252Cf 裂变放出中子后的极小时间，探测器便能探测到，这部分称为直射 γ 光子。由于传播速度小于 γ 光子，探测器随后会探测到直射中子，这些中子直接来源于252Cf 源而未发生裂变反应。在这之后，探测器探测到散射的中子，由于不同中子携带能量不同，中子在时域上存在一定的展宽。最后自发裂变中子引起235U 裂变产生的中子与光子到达探测器，裂变粒子的时域分布便由此产生。需要注意的是不同类型及能量的粒子到达探测器时间段会有适当的重叠。图 2.3 探测器随驱动源相关信号粒子组成示意图Fig.2.3 Schematic sketch of correlated-time analysis signature with252Cf source
图 2.2 裂变中子信号测量系统俯视图及正视图Fig.2.2 Top view and front view of fission neutron signal measurement system通常情况下，人们会用简化的 NMIS 系统，即，去除外部聚乙烯反射层，将NMIS 左方 4 个通道探测器减少为 2 个[40]。这样，结合源探测器同样可以计算各探测器通道相关函数与功率谱密度等特征标签。2.1.3 中子裂变信号沿时域分布情况探测器会在不同时间探测到不同的中子与 γ 光子，且幅度也会有所不同。图2.3 显示了 γ 光子与中子裂变信号在时域上的分布情况[41]。252Cf 源自发裂变的中子到达铀铸件后会引发裂变产生裂变中子与γ光子，但由于粒子不同，而且仅对中子来说，其所携带的能量也不尽相同，到达探测器时间会有差别。由于所有的γ光子以光速传播，所以在252Cf 裂变放出中子后的极小时间，探测器便能探测到，这部分称为直射 γ 光子。由于传播速度小于 γ 光子，探测器随后会探测到直射中子，这些中子直接来源于252Cf 源而未发生裂变反应。在这之后，探测器探测到散射的中子，由于不同中子携带能量不同，中子在时域上存在
【参考文献】：
期刊论文
[1]基于卷积神经网络的T波形态分类[J]. 刘明,李国军,郝华青,侯增广,刘秀玲. 自动化学报. 2016(09)
[2]基于压缩感知的252Cf源驱动核材料浓度识别技术研究[J]. 李鹏程,魏彪,冯鹏,何鹏,周密,米德伶,任勇. 强激光与粒子束. 2015(07)
[3]基于Elman神经网络的252Cf源核系统随机中子脉冲信号识别方法[J]. 冯鹏,刘思远,米德伶. 强激光与粒子束. 2011(08)
[4]基于支持向量机的252Cf中子裂变信号时频特征分析及识别[J]. 金晶,魏彪,冯鹏,唐跃林,周密. 强激光与粒子束. 2010(10)
[5]HHT变换联合人工神经网络的核信号时频特征分析与识别[J]. 金晶,魏彪,冯鹏,唐跃林,周密,任勇,米德伶. 核技术. 2010(06)
[6]中子脉冲序列核信号相关和功率谱实时计算[J]. 唐跃林,魏彪,任勇,冯鹏,米德伶,潘英俊. 强激光与粒子束. 2009(11)
[7]基于簇的K最近邻（KNN）分类算法研究[J]. 潘丽芳,杨炳儒. 计算机工程与设计. 2009(18)
[8]BP神经网络的改进算法及其应用[J]. 余华,吴文全,曹亮. 电脑知识与技术. 2009(19)
[9]基于神经网络的核材料类型识别[J]. 许鹏,王哲,李天柁. 核电子学与探测技术. 2005(06)
[10]核动力与核武器扩散问题[J]. 张会,杜祥琬. 物理. 1996(06)
博士论文
[1]基于深度学习的基因组功能元件的识别与注释[D]. 刘峰.中国人民解放军军事医学科学院 2016
硕士论文
[1]基于卷积深度置信网络的歌手识别[D]. 何灼彬.华南理工大学 2015
[2]BP神经网络及应用研究[D]. 贺清碧.重庆交通学院 2004
本文编号：3050590
【文章来源】：重庆大学重庆市 211工程院校 985工程院校 教育部直属院校
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
中子裂变反应物理过程
且幅度也会有所不同。图2.3 显示了 γ 光子与中子裂变信号在时域上的分布情况[41]。252Cf 源自发裂变的中子到达铀铸件后会引发裂变产生裂变中子与γ光子，但由于粒子不同，而且仅对中子来说，其所携带的能量也不尽相同，到达探测器时间会有差别。由于所有的γ光子以光速传播，所以在252Cf 裂变放出中子后的极小时间，探测器便能探测到，这部分称为直射 γ 光子。由于传播速度小于 γ 光子，探测器随后会探测到直射中子，这些中子直接来源于252Cf 源而未发生裂变反应。在这之后，探测器探测到散射的中子，由于不同中子携带能量不同，中子在时域上存在一定的展宽。最后自发裂变中子引起235U 裂变产生的中子与光子到达探测器，裂变粒子的时域分布便由此产生。需要注意的是不同类型及能量的粒子到达探测器时间段会有适当的重叠。图 2.3 探测器随驱动源相关信号粒子组成示意图Fig.2.3 Schematic sketch of correlated-time analysis signature with252Cf source
图 2.2 裂变中子信号测量系统俯视图及正视图Fig.2.2 Top view and front view of fission neutron signal measurement system通常情况下，人们会用简化的 NMIS 系统，即，去除外部聚乙烯反射层，将NMIS 左方 4 个通道探测器减少为 2 个[40]。这样，结合源探测器同样可以计算各探测器通道相关函数与功率谱密度等特征标签。2.1.3 中子裂变信号沿时域分布情况探测器会在不同时间探测到不同的中子与 γ 光子，且幅度也会有所不同。图2.3 显示了 γ 光子与中子裂变信号在时域上的分布情况[41]。252Cf 源自发裂变的中子到达铀铸件后会引发裂变产生裂变中子与γ光子，但由于粒子不同，而且仅对中子来说，其所携带的能量也不尽相同，到达探测器时间会有差别。由于所有的γ光子以光速传播，所以在252Cf 裂变放出中子后的极小时间，探测器便能探测到，这部分称为直射 γ 光子。由于传播速度小于 γ 光子，探测器随后会探测到直射中子，这些中子直接来源于252Cf 源而未发生裂变反应。在这之后，探测器探测到散射的中子，由于不同中子携带能量不同，中子在时域上存在
【参考文献】：
期刊论文
[1]基于卷积神经网络的T波形态分类[J]. 刘明,李国军,郝华青,侯增广,刘秀玲. 自动化学报. 2016(09)
[2]基于压缩感知的252Cf源驱动核材料浓度识别技术研究[J]. 李鹏程,魏彪,冯鹏,何鹏,周密,米德伶,任勇. 强激光与粒子束. 2015(07)
[3]基于Elman神经网络的252Cf源核系统随机中子脉冲信号识别方法[J]. 冯鹏,刘思远,米德伶. 强激光与粒子束. 2011(08)
[4]基于支持向量机的252Cf中子裂变信号时频特征分析及识别[J]. 金晶,魏彪,冯鹏,唐跃林,周密. 强激光与粒子束. 2010(10)
[5]HHT变换联合人工神经网络的核信号时频特征分析与识别[J]. 金晶,魏彪,冯鹏,唐跃林,周密,任勇,米德伶. 核技术. 2010(06)
[6]中子脉冲序列核信号相关和功率谱实时计算[J]. 唐跃林,魏彪,任勇,冯鹏,米德伶,潘英俊. 强激光与粒子束. 2009(11)
[7]基于簇的K最近邻（KNN）分类算法研究[J]. 潘丽芳,杨炳儒. 计算机工程与设计. 2009(18)
[8]BP神经网络的改进算法及其应用[J]. 余华,吴文全,曹亮. 电脑知识与技术. 2009(19)
[9]基于神经网络的核材料类型识别[J]. 许鹏,王哲,李天柁. 核电子学与探测技术. 2005(06)
[10]核动力与核武器扩散问题[J]. 张会,杜祥琬. 物理. 1996(06)
博士论文
[1]基于深度学习的基因组功能元件的识别与注释[D]. 刘峰.中国人民解放军军事医学科学院 2016
硕士论文
[1]基于卷积深度置信网络的歌手识别[D]. 何灼彬.华南理工大学 2015
[2]BP神经网络及应用研究[D]. 贺清碧.重庆交通学院 2004
本文编号：3050590
本文链接：https://www.wllwen.com/kejilunwen/jingguansheji/3050590.html
