LRAD测量管道内表面α污染活度方法研究

发布时间：2021-04-25 12:33

　　随着核科学的快速发展,其衍生的核废物处置问题日益受到重视。对于退役的核设施,其中涉及的放射性元素多为α辐射体,主要通过测量设施表面a污染活度推算α核素含量。因此,设施的α测量研究工作成为核设施退役处置的工作重点之一。目前,用于α测量的仪器或方法有很多,但传统的a测量技术受α粒子射程短的限制,难以克服核设施中不规则表面或空腔的几何限制,无法实现对退役核设施或不规则表面α核素污染强度做出较为准确的判断,难以确定其内表面放射性污染物所在位置,从而难以有效地处理污染设施。由此,长距离α测量（Long Range Alpha Detection, LRAD）技术应运而生。早在20世纪90年代初,美国能源部洛斯阿拉莫斯国家实验室（Los Alamos National Laboratory, LANL）首先提出该方法并研制出LRAD测量仪器,随后又有大量相关人员相继在仪器性能和应用等方面做出改进和优化,使得LRAD技术得到了丰富和发展。我国于20世纪末加入LRAD技术研究行列,在仪器性能研究方面取得明显进步。为进一步实现LRAD对现场管道内表面α污染活度的准确测量,课题组自主研发了一套基于LRAD... 

【文章来源】：成都理工大学四川省

【文章页数】：63 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 引言
    1.1 研究意义
    1.2 国内外研究现状
    1.3 文章研究内容
    1.4 主要成果
第2章 LRAD测量管道内表面α活度基本原理
    2.1 α粒子物理性质
    2.2 α粒子与物质相互作用
        2.2.1 α粒子与核外电子的作用
        2.2.2 α 粒子与原子核的作用
    2.3 α粒子特性
        2.3.1 电离能力
        2.3.2 穿透力
        2.3.3 α粒子的射程
    2.4 LRAD技术原理
    2.5 LRAD技术存在的问题
第3章 LRAD探测系统及试验方案
    3.1 LRAD探测系统及条件
    3.2 试验方案
        3.2.1 性能测试
        3.2.2 多参数影响
        3.2.3 放射源定位测量方法
第4章 LRAD测量管道内α污染活度的BP网络模拟
    4.1 多参数影响分析
        4.1.1 活度与测量值关系
        4.1.2 探源距影响分析
        4.1.3 风速、流量变化影响
        4.1.4 管长变化影响
        4.1.5 管径变化影响
        4.1.6 多参数间相关分析
        4.1.7 小结
    4.2 BP神经网络模拟管道内α污染活度
        4.2.1 BP神经网络原理与结构
        4.2.2 BP神经网络学习规则
        4.2.3 BP神经网络训练步骤
        4.2.4 BP神经网络应用于LRAD测量管道内表面α污染活度
    4.3 小结
第5章 LRAD用于管道内部放射源定位测量
    5.1 定位测量原理
        5.1.1 传输时间
        5.1.2 fluent软件模拟装置内速度的空间分布
        5.1.3 传输时间定位原理
    5.2 定位方法应用于LRAD测量管道内放射源位置
        5.2.1 离子对静态分布
        5.2.2 传输时间定位的实现
    5.3 小结
第6章 LRAD测量管道内表面α污染活度方法应用
    6.1 LRAD测量管道内表面α污染活度方法原理
    6.2 LRAD测量管道内表面α污染活度方法的实现
        6.2.1 BP神经网络输入测量
        6.2.2 BP神经网络预测放射源活度
    6.3 小结
结论
致谢
参考文献
攻读学位期间取得学术成果


【参考文献】：
期刊论文
[1]LRAD敞开式测量管道内α污染特征及其BP网络预测[J]. 王孝强,庹先国,吴雪梅,李哲.  核技术. 2012(12)
[2]LRAD测量管道内α污染活度的BP网络模拟[J]. 吴雪梅,庹先国,李哲,刘明哲,张金钊,李平川,宿吉龙.  核技术. 2012(05)
[3]BP神经网络在北京市API预报中的应用[J]. 郭庆春,何振芳,寇立群,李力,张小永,孔令军.  环境工程. 2011(04)
[4]基于BP神经网络的多参数气膜冷却效率研究[J]. 秦晏旻,李雪英,任静,蒋洪德.  工程热物理学报. 2011(07)
[5]基于遗传算法改进的BP神经网络模型在邻近层瓦斯涌出量预测中的应用[J]. 吉振光.  煤矿安全. 2011(07)
[6]主成分分析法-BP神经网络算法用于电位滴定法测定有机酸[J]. 陆建平,李郁,曹家兴.  理化检验(化学分册). 2011(05)
[7]基于多元统计—神经网络的教学质量评估模型[J]. 张吉刚,梁娜.  海南大学学报(自然科学版). 2010(02)
[8]一种新型多阳极电离室的研制[J]. 孟宪芳,林敏,叶宏生,苏丹,陈义珍,徐利军,陈克胜,金晓峰,夏文,崔莹,肖振红,阮向东.  原子能科学技术. 2008(S1)
[9]基于主成分BP神经网络的油田产量预测研究[J]. 周晶晶,贺勇,诸克军.  统计与决策. 2008(13)
[10]用离子收集法测量α粒子技术研究[J]. 刘建忠,靳根,马立平,韩景泉.  核科学与工程. 2007(01)

博士论文
[1]核设施环境辐射连续监测的高气压电离室研制中若干问题的研究[D]. 王红艳.中国原子能科学研究院 2005
[2]基于BP神经网络的内燃机排放性能建模与应用研究[D]. 周斌.西南交通大学 2004

硕士论文
[1]基于FLUENT+MATLAB/Simulink的二通插装阀动态特性仿真研究[D]. 赵彩艳.燕山大学 2010
[2]人身险保费收入影响因素的协整分析及BP神经网络预测[D]. 姚秋丽.兰州商学院 2010
[3]BP-RBF组合神经网络在股票预测中的应用研究[D]. 王振兴.兰州商学院 2010
[4]基于FLUENT软件的建筑物风荷载数值模拟[D]. 吴剑锋.大庆石油学院 2009
[5]基于BP神经网络改进算法的湖南省GDP预测研究[D]. 杨挺.中南大学 2008
[6]长距离α污染测量仪的研制[D]. 付军.成都理工大学 2008
[7]基于FLUENT的板式换热器三维数值模拟[D]. 崔立祺.浙江大学 2008
[8]基于FLUENT软件的建筑物风场数值模拟[D]. 黄滢.华中科技大学 2005
[9]应用Fluent研究阀门内部流场[D]. 韩宁.武汉大学 2005



本文编号：3159395