无损检测加速器辐射防护屏蔽设计及多目标优化研究
发布时间：2022-02-13 07:28
近年来,因电子加速器技术在工农业和医疗领域的重要作用,其发展迅速并创造了巨大的经济利益和社会效益。其中辐射屏蔽安全设计是加速器设计中的一个关键部分。加速器辐射屏蔽设计的安全合理,需要在保证剂量符合国家规定的条件下寻找符合体积小、重量轻、价格低、环境友好等要求的屏蔽方案,这是一个复杂的工程优化问题。传统辐射屏蔽设计方案通常基于手工迭代和设计者的经验而开展,因而会出现不确定性因素增加、设计周期长等问题,最终导致辐射屏蔽设计非最优方案,这种设计方法已无法满足加速器精确设计的要求。因此,利用现代多目标优化理论及方法解决屏蔽系统优化设计难题,已成为精确屏蔽设计的迫切需求。发展适用于安全轻量目标下,加速器屏蔽设计的多维度、多参数和多目标综合屏蔽设计高效智能优化算法对于加速器合理的辐射防护设计和工作人员的安全以及推进工业电子加速器的发展都具有非常重要的意义。本研究以无损检测加速器为研究对象,利用加速器的工程CAD模型和蒙特卡罗软件对加速器进行精确建模和模拟计算,并以此作为多目标优化设计的基础。然后将GA-BP神经网络与NSGA-Ⅱ多目标遗传算法有机结合,建立了加速器屏蔽设计多目标优化方法。最后利用M...
【文章来源】：苏州大学江苏省211工程院校
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
图２．２无损检测加速器的二维和三维蒙特卡罗模型??－－
第二章?无损检测加速器辐射防护屏蔽设计及多［ｊ标优化研宂??图２．３的周围剂量分布图清楚的显示了加速器各个区域的辐射剂量水平，从??图中可以明显的看出在加速器中心轴线９０°和１８０°方向的剂量较高，除此之外还??有其他个别位置也存在着剂量相对较高的部分。为了更加详细地验证此加速器的??结构设计，本文根据现行国家标准ＧＢ／Ｔ?２０１２９－２０１５《无损检测用电子直线加速??器》［３９］对加速器防护性能至关重要的指标进行了模拟计算，包括Ｘ射线束空气比??释动能率、径向均匀度、径向不对称度和辐射泄漏量。??（１）Ｘ射线束空气比释动能率：设定初始电子能量为６ＭｅＶ，将Ｆ５卡点探测??器放置于中心轴线上距靶１?ｍ处的位置，利用剂量转换因子ＤＥ／ＤＦ卡将??单个粒子的注量转换为剂量，单位为ｐＧｙ／ｐａｒｔｉｃｌｅ，然后再乘以束流强度，??换算为Ｇｙ／ｍｉｎ为单位的空气吸收剂量率Ｄ〇，其中剂量转换因子选自??ＮＩＳＴ（Ｎａｔｉｏｎａｌ?Ｉｎｓｔｉｔｕｔｅ?ｏｆ?Ｓｔａｎｄａｒｄｓ?ａｎｄ?Ｔｅｃｈｎｏｌｏｇｙ）物理测量实验室中?Ｘ??射线质量吸收系数数据库［４（）］。??（２）?Ｘ射线束的径向均匀度：将Ｆ５卡点探测器放置于距靶１?ｍ处与中心轴线??夹角为７．５。且垂直于中心轴线的圆周面上［３９］，共放置了?４对对称检测点??（如图２．４的Ａ?Ａ’、ＢＢ’、ＣＣ’和ＤＤ’），计算圆周上对称于中心轴线??上的各点剂量Ｄｉ、Ｄｒ，取其最小值Ｄｌｌｌｉｎ按公式（２．１）进行计算，得出的爪??值为Ｘ射线的径向均匀度。??ｒｊｎ?＝?１００％?（２．１）??Ｄｏ??Ｉ?Ｉ??ｉ?｜??＾Ｗ，???????入又斤Ｉ??丨＜
Ｐ神经网络（Ｂａｃｋ?Ｐｒｏｐａｇａｔｉｏｎ）是按误差逆??向传播算法进行训练的多层反馈神经网络，它首先由Ｄ．?Ｅ．?Ｒｕｍｅｌｈａｒｔ等人在１９８６??年提出［４２］。ＢＰ神经网络因具有结构简单、可调参数多、训练算法多、可操作性??强等优点，被广泛应用。通过神经网络的构建、训和测试，可在不受样本参数??变量数目和维度限制的条件下，自行预测输出误差最小的网络结构［４３］。??ＢＰ是目前应用最广泛的神经网络，其中最为常用的是三层ＢＰ网络的拓扑结??构，由输入层、输出层及单隐含层组成，如图３．１所示：???误差反向传播???输入层?隐含层?输出层??Ｋ二??信息正向传播??图３．１?ＢＰ神经网络三层拓扑结构??Ｆｉｇ?３．１?Ｔｈｒｅｅ－ｌａｙｅｒ?ｔｏｐｏｌｏｇｙ?ｏｆ?ＢＰ?ｎｅｕｒａｌ?ｎｅｔｗｏｒｋ??ＢＰ算法是一种监督式的学习算法。假设有ｑ个输入样本Ｐ１，Ｐ２，?Ｐ３，…，Ｐｑ，??对应着ｎ个输出样本Ｔ１，?Ｔ２，Ｔ３，…，Ｔｎ，通过学习可使网络的实际输出Ａ１，??Ａ２，?Ａ３，…，Ａｎ与目标输出Ｔ１，Ｔ２，Ｔ３，…，Ｔｎ间的误差缩小，以此达到修改??权值和阈值的目的。ＢＰ算法的学习过程由信号的正向传播和误差的反向传播组成??［４４］。通过正向传播和反向传播，不断调整各层神经元的阈值和权值，循环往复直??至误差信号减小到目标设定值。其算法流程如图３．２所示：??１８??
【参考文献】：
期刊论文
[1]发展反应堆和加速器事业 建设核工业强国[J]. 侯德义. 国防科技工业. 2019(08)
[2]基于小型加速器中子源的快中子层析实验研究[J]. 尹伟,王胜,李航,娄本超,吴洋,霍合勇,曹超,孙勇,刘斌,朱世雷,李彦,胡永宏,李燕,伍春雷,唐彬. 核技术. 2019(04)
[3]12 MeV无损检测用电子直线加速器研制[J]. 余国龙,佟迅华,吴青峰,韩广文,曾自强,毕振亮,霍京生,于国龙,赵福振. 中国原子能科学研究院年报. 2017(00)
[4]多种减方差技术在电子辐照加速器屏蔽计算中的组合应用效果评估[J]. 崔甜甜,张书源,孙亮,陆洁平. 核技术. 2018(03)
[5]针对车载D-D加速器中子源的紧凑、轻量化屏蔽材料优化设计研究[J]. 蔡垚,胡华四,潘紫姮,路双莹,孙伟强. 原子能科学技术. 2018(04)
[6]一种用于船用反应堆屏蔽结构优化的方法[J]. 宋英明,赵云彪,李鑫祥,王珂,张泽寰,罗文,朱志超. 核科学与工程. 2017(03)
[7]无损检测电子直线加速器投入运行[J]. 王硕. 中国设备工程. 2017(10)
[8]7.5MeV电子束转轫致辐射的理论研究初探[J]. 花正东,王海宏,陈志军,徐贇. 核农学报. 2015(01)
[9]MCAM4.8在ITER建筑大厅中子学建模中的应用[J]. 王国忠,党同强,熊健,杨琪,何桃,曾勤,龙鹏程,胡丽琴,FDS团队. 核科学与工程. 2011(04)
[10]传统多目标优化方法和多目标遗传算法的比较综述[J]. 马小姝,李宇龙,严浪. 电气传动自动化. 2010(03)
博士论文
[1]基于遗传算法的多目标智能辐射屏蔽方法研究[D]. 杨寿海.华北电力大学 2012
[2]住宅建筑保障室内(热)环境质量的低能耗策略研究[D]. 喻伟.重庆大学 2011
硕士论文
[1]基于遗传算法的中子屏蔽优化策略研究[D]. 曹奇锋.南华大学 2019
[2]某电动乘用车悬架对操稳性影响仿真研究[D]. 李洪朋.北京理工大学 2017
[3]低能电子辐照加速器主厅及辐照室迷宫辐射场分析[D]. 雷洁瑛.中国科学技术大学 2015
[4]低能电子辐照型加速器的屏蔽优化设计及其剂量场分布的研究[D]. 段宗锦.中国科学技术大学 2014
[5]基于混沌遗传算法的辐射屏蔽最优化研究[D]. 郭景春.哈尔滨工程大学 2013
[6]基于遗传算法的BP神经网络在多目标药物优化分析中的应用[D]. 韩荣荣.山西医科大学 2011
[7]10MV以下电子辐照加速器屏蔽设计中某些相关问题的研究[D]. 商静.中国科学技术大学 2011
[8]非支配排序遗传算法（NSGA）的研究与应用[D]. 高媛.浙江大学 2006
本文编号：3622768
【文章来源】：苏州大学江苏省211工程院校
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
图２．２无损检测加速器的二维和三维蒙特卡罗模型??－－
第二章?无损检测加速器辐射防护屏蔽设计及多［ｊ标优化研宂??图２．３的周围剂量分布图清楚的显示了加速器各个区域的辐射剂量水平，从??图中可以明显的看出在加速器中心轴线９０°和１８０°方向的剂量较高，除此之外还??有其他个别位置也存在着剂量相对较高的部分。为了更加详细地验证此加速器的??结构设计，本文根据现行国家标准ＧＢ／Ｔ?２０１２９－２０１５《无损检测用电子直线加速??器》［３９］对加速器防护性能至关重要的指标进行了模拟计算，包括Ｘ射线束空气比??释动能率、径向均匀度、径向不对称度和辐射泄漏量。??（１）Ｘ射线束空气比释动能率：设定初始电子能量为６ＭｅＶ，将Ｆ５卡点探测??器放置于中心轴线上距靶１?ｍ处的位置，利用剂量转换因子ＤＥ／ＤＦ卡将??单个粒子的注量转换为剂量，单位为ｐＧｙ／ｐａｒｔｉｃｌｅ，然后再乘以束流强度，??换算为Ｇｙ／ｍｉｎ为单位的空气吸收剂量率Ｄ〇，其中剂量转换因子选自??ＮＩＳＴ（Ｎａｔｉｏｎａｌ?Ｉｎｓｔｉｔｕｔｅ?ｏｆ?Ｓｔａｎｄａｒｄｓ?ａｎｄ?Ｔｅｃｈｎｏｌｏｇｙ）物理测量实验室中?Ｘ??射线质量吸收系数数据库［４（）］。??（２）?Ｘ射线束的径向均匀度：将Ｆ５卡点探测器放置于距靶１?ｍ处与中心轴线??夹角为７．５。且垂直于中心轴线的圆周面上［３９］，共放置了?４对对称检测点??（如图２．４的Ａ?Ａ’、ＢＢ’、ＣＣ’和ＤＤ’），计算圆周上对称于中心轴线??上的各点剂量Ｄｉ、Ｄｒ，取其最小值Ｄｌｌｌｉｎ按公式（２．１）进行计算，得出的爪??值为Ｘ射线的径向均匀度。??ｒｊｎ?＝?１００％?（２．１）??Ｄｏ??Ｉ?Ｉ??ｉ?｜??＾Ｗ，???????入又斤Ｉ??丨＜
Ｐ神经网络（Ｂａｃｋ?Ｐｒｏｐａｇａｔｉｏｎ）是按误差逆??向传播算法进行训练的多层反馈神经网络，它首先由Ｄ．?Ｅ．?Ｒｕｍｅｌｈａｒｔ等人在１９８６??年提出［４２］。ＢＰ神经网络因具有结构简单、可调参数多、训练算法多、可操作性??强等优点，被广泛应用。通过神经网络的构建、训和测试，可在不受样本参数??变量数目和维度限制的条件下，自行预测输出误差最小的网络结构［４３］。??ＢＰ是目前应用最广泛的神经网络，其中最为常用的是三层ＢＰ网络的拓扑结??构，由输入层、输出层及单隐含层组成，如图３．１所示：???误差反向传播???输入层?隐含层?输出层??Ｋ二??信息正向传播??图３．１?ＢＰ神经网络三层拓扑结构??Ｆｉｇ?３．１?Ｔｈｒｅｅ－ｌａｙｅｒ?ｔｏｐｏｌｏｇｙ?ｏｆ?ＢＰ?ｎｅｕｒａｌ?ｎｅｔｗｏｒｋ??ＢＰ算法是一种监督式的学习算法。假设有ｑ个输入样本Ｐ１，Ｐ２，?Ｐ３，…，Ｐｑ，??对应着ｎ个输出样本Ｔ１，?Ｔ２，Ｔ３，…，Ｔｎ，通过学习可使网络的实际输出Ａ１，??Ａ２，?Ａ３，…，Ａｎ与目标输出Ｔ１，Ｔ２，Ｔ３，…，Ｔｎ间的误差缩小，以此达到修改??权值和阈值的目的。ＢＰ算法的学习过程由信号的正向传播和误差的反向传播组成??［４４］。通过正向传播和反向传播，不断调整各层神经元的阈值和权值，循环往复直??至误差信号减小到目标设定值。其算法流程如图３．２所示：??１８??
【参考文献】：
期刊论文
[1]发展反应堆和加速器事业 建设核工业强国[J]. 侯德义. 国防科技工业. 2019(08)
[2]基于小型加速器中子源的快中子层析实验研究[J]. 尹伟,王胜,李航,娄本超,吴洋,霍合勇,曹超,孙勇,刘斌,朱世雷,李彦,胡永宏,李燕,伍春雷,唐彬. 核技术. 2019(04)
[3]12 MeV无损检测用电子直线加速器研制[J]. 余国龙,佟迅华,吴青峰,韩广文,曾自强,毕振亮,霍京生,于国龙,赵福振. 中国原子能科学研究院年报. 2017(00)
[4]多种减方差技术在电子辐照加速器屏蔽计算中的组合应用效果评估[J]. 崔甜甜,张书源,孙亮,陆洁平. 核技术. 2018(03)
[5]针对车载D-D加速器中子源的紧凑、轻量化屏蔽材料优化设计研究[J]. 蔡垚,胡华四,潘紫姮,路双莹,孙伟强. 原子能科学技术. 2018(04)
[6]一种用于船用反应堆屏蔽结构优化的方法[J]. 宋英明,赵云彪,李鑫祥,王珂,张泽寰,罗文,朱志超. 核科学与工程. 2017(03)
[7]无损检测电子直线加速器投入运行[J]. 王硕. 中国设备工程. 2017(10)
[8]7.5MeV电子束转轫致辐射的理论研究初探[J]. 花正东,王海宏,陈志军,徐贇. 核农学报. 2015(01)
[9]MCAM4.8在ITER建筑大厅中子学建模中的应用[J]. 王国忠,党同强,熊健,杨琪,何桃,曾勤,龙鹏程,胡丽琴,FDS团队. 核科学与工程. 2011(04)
[10]传统多目标优化方法和多目标遗传算法的比较综述[J]. 马小姝,李宇龙,严浪. 电气传动自动化. 2010(03)
博士论文
[1]基于遗传算法的多目标智能辐射屏蔽方法研究[D]. 杨寿海.华北电力大学 2012
[2]住宅建筑保障室内(热)环境质量的低能耗策略研究[D]. 喻伟.重庆大学 2011
硕士论文
[1]基于遗传算法的中子屏蔽优化策略研究[D]. 曹奇锋.南华大学 2019
[2]某电动乘用车悬架对操稳性影响仿真研究[D]. 李洪朋.北京理工大学 2017
[3]低能电子辐照加速器主厅及辐照室迷宫辐射场分析[D]. 雷洁瑛.中国科学技术大学 2015
[4]低能电子辐照型加速器的屏蔽优化设计及其剂量场分布的研究[D]. 段宗锦.中国科学技术大学 2014
[5]基于混沌遗传算法的辐射屏蔽最优化研究[D]. 郭景春.哈尔滨工程大学 2013
[6]基于遗传算法的BP神经网络在多目标药物优化分析中的应用[D]. 韩荣荣.山西医科大学 2011
[7]10MV以下电子辐照加速器屏蔽设计中某些相关问题的研究[D]. 商静.中国科学技术大学 2011
[8]非支配排序遗传算法（NSGA）的研究与应用[D]. 高媛.浙江大学 2006
本文编号：3622768
本文链接：https://www.wllwen.com/kejilunwen/yiqiyibiao/3622768.html
