便携式γ谱仪中的核素识别算法

为满足便携式γ谱仪核素识别的功能需求,提出了以有限脉冲响应(FIR)滤波平滑、自适应对称零面积寻峰、核素匹配为基础的能谱数据处理及核素识别算法。算法中避免了复杂的迭代运算,充分利用已知核素的先验知识优化了核素库的设计,提高了运算速度,达到了适用于便携式γ谱仪的核素识别要求。算法运行在ARM2440单片机上,经过自制的便携式谱仪系统实测数据和MonteCarlo模拟数据的验证,能够在5s内正确识别出4类、27种不同核素。     

基于GASF与MSVM的放射性核素识别方法

提出了一种基于格拉姆角和场(GASF)与基于Mahalanobis距离的支持向量机(MSVM)的核素识别方法。将核素γ能谱数据视为一维序列,利用GASF方法将能谱数据二维化,再利用双向二维主成分分析对二维化能谱数据进行降维以进行特征提取,设计MSVM分类器并结合遗传算法进行参数寻优,实现对γ能谱(核素)的识别,利用Geant 4仿真核素γ能谱数据对本文算法与寻峰算法、SVD-SVM算法进行了对比实验,同时在真实核素γ能谱数据上进行了识别实验。结果表明：本文方法与同类方法相比,通过利用全谱信息,有效提高了核素识别准确率;在探测距离为20 cm内,对真实探测环境中得到的不同探测距离的核素能谱的平均识别率均高于96%,表现出良好的识别性能。     

基于卷积神经网络的γ放射性核素识别方法

快速、准确的放射性核素识别可有效地对放射性危险源进行及时的监测预警，对保护人们远离放射源的威胁具有重要意义。该文基于卷积神经网络研究了放射性核素γ能谱的识别。通过溴化镧能谱仪采集16种放射性核素的γ能谱数据，并通过改变放射性核素γ能谱的计数和能谱漂移程度，创建生成大量单核素和双核素γ能谱训练数据，利用自搭建的卷积神经网络开展放射性核素识别模型训练。实验采集其中9种核素及其双核素的混合能谱对核素识别模型开展验证，结果表明：在剂量率约为0.5μSv/h、测量采集时间为60 s时，模型的识别准确率可达92.63%,满足在低剂量率下对放射性核素进行快速识别筛查的需求。     

降低NaI(Tl)γ谱仪探测限的技术探讨

核爆后其放射性元素种类复杂、量少,用NaI(Tl)γ谱仪监测时,多种核素峰重叠在能谱的散射区内难以识别,因此对谱仪的稳定性,能量分辨率,解谱技术以及最小可探测活度有很高的要求.本文通过实验和MCNP模拟,分析了对某NaI(Tl)γ谱仪探测限的影响因素以及降低探测限的措施,提出了通过屏蔽来降低本底,提高其最小可探测活度的方法,实验表明,通过选择合理的屏蔽尺寸,有效的降低了本底,提高了谱仪的低水平放射性监测能力.     

宁德核电厂外围环境γ辐射连续监测系统

该文主要介绍宁德核电厂外围环境γ辐射连续监测系统,讨论建设时应关注的问题、监测点位和监测项目以及监测系统组成。采用性能稳定、灵敏度高的高压电离室和能够识别核素的碘化钠谱仪,利用计算机和网络传输技术,实现监测系统自动化,满足监督监测要求。     

便携式α-β-γ谱仪设计

现有便携式谱仪无法同时对α-β-γ射线进行测量,使得相关人员对α-β-γ混合场景的评估与处理存在不便,因此研制了一套便携式α-β-γ谱仪以解决上述问题. 谱仪采用PIPS探测器和LaBr3(Ce)探测器分别对α-β粒子和γ射线进行测量,获取高分辨的能谱. 经测试,谱仪的α能量分辨率小于140 keV (5.486 MeV,0.1 atm),α表面发射率响应67.34% (241Am),β表面发射率响应19.13% (90Sr-90Y),γ能量分辨率小于3.4% (662 keV). 因此谱仪可同时测量α-β-γ射线并获取高分辨的能谱,有助于相关人员对测量现场做出快速准确的评估与处理.     

相对比较法分析放射性核素研究

该文描述了采用HPGeγ谱仪通过相对比较法处理受干扰放射性核素时,放射性核素在消除干扰前后的异常活度而引发对干扰校正的研究。结果表明,若刻度源为混合源,且含受干扰不可忽略的待分析核素,无论是否对样品中待分析核素进行校正,则都要对刻度源中待分析受干扰核素进行校正。     

黑龙江省主要燃煤电厂粉煤灰天然放射性水平

为了解黑龙江省主要燃煤电厂粉煤灰天然放射性核素水平及其应用情况,采用低本底HPGeγ谱仪对样品中天然放射性核素含量进行测量。依据国家标准GB6566-2001,对其进行比较分析,结果表明,采集的粉煤灰中天然放射性核素水平属于正常水平,属A类建筑材料,不受应用限制。     

广州市部分建筑材料产地天然放射性水平研究

分析广州市花岗岩、基岩和常用建筑材料的天然放射性核素比活度.用γ谱仪测量样品中232Th2、26Ra和40K的放射性比活度.结果表明,不同产地的花岗岩石材样品中,天然放射性核素的比活度比普通建筑材料高;基岩中花岗岩放射性水平最高,常用建筑材料中以粉煤灰的放射性核素含量最高.     

总谱能量法确定环境γ辐射场照射率

本文介绍用带微型计算机的NaI(Tl)γ谱仪测定环境γ辐射场照射率的总谱能量法。在野外现场标定谱仪。用最小二乘法确定转换关系。微型计算机及时处理谱数据。测量快速而准确。γ谱仪与高压电离室的测量结果符合得很好。     

基于RBF神经网络的钚年龄定量识别

利用RBF网络建立了γ指纹与钚年龄和核素初始丰度之间的映射,以γ指纹为特征,采用模式识别方法实现了钚年龄的定量识别。对已知和未知钚材料γ指纹的识别研究结果表明,基于RBF神经网络的钚年龄模式识别方法充分利用了γ指纹的全部信息,克服了传统γ能谱分析方法的不足,通过建立相应的训练样本集,方法可准确识别未知钚材料的年龄,并可对其历史和来源做出准确推断。     

嫦娥二号γ谱数据反演月表Fe元素分布

Fe作为重要的成岩元素之一,其月表含量和分布特征对于认识月球岩石成因和岩浆演化具有重要指示意义.本文由嫦娥二号γ谱仪2C级数据出发,经过谱线筛选、宇宙线校正、能谱累积与本底处理后提取Fe峰计数率.我们借助月球勘探者号的热中子数据进行中子校正,之后结合月球样品、陨石与嫦娥三号的就位探测数据标定Fe元素丰度.嫦娥二号γ谱仪全月Fe分布图中月海玄武岩区域与Fe元素富集区域吻合,其中风暴洋和雨海中部为Fe含量高值区域(Fe O23 wt.%),南极艾肯盆地内也出现Fe的相对富集,而月陆区域Fe含量较低(Fe O8 wt.%).与月球勘探者号g谱仪的探测结果相比,嫦娥二号γ谱仪解算的Fe元素丰度(Fe O)平均偏低0.7 wt.%.     

高温气冷堆在线燃耗测量系统的设计考虑--燃料球的冷却时间对燃耗测量的影响

利用堆芯总量程序包KORIGEN和蒙特卡罗程序MCNP4A软件分别模拟计算燃料球的燃耗和高纯锗(HPGe)探测器的响应,研究球床式高温气冷堆的燃料球在不同燃耗和不同冷却时间等测量条件下的燃耗测量不确定性问题。通过HPGeγ谱仪对燃烧过的燃料元件进行模拟!谱结果分析,如果用裂变核素137Cs作为燃耗测量的标示核素,要使燃耗测量系统的计数统计不确定度达到5%水平,燃料球的冷却时间不能低于6d,且燃耗测量时间至少需要15s。     

宁德核电厂外围环境土壤中放射性水平监测

为掌握环境介质土壤中重要γ核素放射性核素的活度浓度,将宁德核电厂运行前后环境土壤中γ核素放射性状况进行对比。经监测,与2009—2011年土壤中的γ核素本底水平相比,2016—2017年,宁德核电厂外围环境土壤中的54Mn、58Co、60Co、134Cs核素的活度浓度均低于探测下限,未检出。40K、137Cs核素的活度浓度水平无明显变化。这表明,宁德核电厂运行至今,其外围环境土壤中的放射性水平未见明显变化,在本底范围之内。     

高纯锗γ谱仪对环境样品探测效率的模拟计算

作者利用蒙特卡罗方法，模拟计算了高纯锗γ谱仪对环境样品探测效率与γ射线能量、样品介质成份、密度及几何高度的关系，并与实验结果进行了比较．结果表明，蒙特卡罗计算方法是进行高纯锗γ谱仪效率刻度的一种方便、可靠的方法．     

基于EGSnrcMP模拟计算高纯锗γ谱仪对环境样品的探测效率

利用蒙特卡罗方法,模拟计算了高纯锗γ谱仪对环境样品探测效率与γ射线能量、样品密度及几何高度的关系,并与文献中的实验结果进行了比较.结果表明,蒙特卡罗计算方法EGSnrc MP程序是进行高纯锗γ谱仪效率刻度的一种方便、可靠的方法.     

海洋沉积物岩心放射性核素的γ谱测定

用HPGeγ谱仪测定了海洋沉积物岩心的天然放射性核素^40K、^210Pb、^226rA、^228tH、^238U和人工放射性核素^137Cs,进行了不同体积样品的效率刻度,对所用直径75mm、高度5－45mm柱形样品几何条件,14种能量的γ射线,用2次多项式拟合效率随样品高度变化的相关系数R^2好于0．98,用内插的不同样品高度的效率值,进行了46．5－1460．5keV能区5－45mm高度样品的效率刻度,测量了一些沉积物岩心并就其中的一个柱样中^40K、^210Pb、^226Ra、^228Ra、^228Th、^238U和^137Cs的深度分布及其所揭示的海洋学意义进行了分析、讨论。     

宁德核电厂外围环境气溶胶中γ核素放射性水平监测

通过对宁德核电厂投入商业运行以来(2013—2018年)外围10km范围内气溶胶中γ核素的放射性水平监测,与核电厂运行前气溶胶中γ核素放射性状况做对比分析。结果表明,核电厂运行期间,气溶胶中γ核素活度浓度基本与运行前(2009—2011年)处于同一水平,~(40)K、~7Be测值在最小可探测浓度管理要求之内,~7Be测值随季节变化夏季低、冬季高,其他核素未检出。总体分析上看,气溶胶中γ放射性核素活度浓度基本在本底涨落范围内。     

高集成度自动化γ能谱仪

针对核反应堆安全壳内γ射线在线监测需求,本文设计了一款高集成度、低功耗、高分辨、长续航、可自动测量的γ能谱仪.谱仪选用了高分辨率LaBr_3(Ce)闪烁体探测器,并且设计了有源锥形分压电路为探测器供电,从而提高谱仪的能量响应动态范围.同时设计了低噪声电荷灵敏前置放大器电路对探测器输出信号进行放大,并匹配设计二阶有源低通滤波电路,将前端信号成形为准高斯脉冲信号.采用STM32L4系列微处理器设计了高集成度的多道脉冲幅度分析电路,完成脉冲信号的模数转换和在线数据处理,获得γ能谱.另外,本文还基于CC228P-09Y小型高压电源模块设计了低噪声高压电源电路为LaBr_3(Ce)探测器提供高压;利用STM32L4处理器设计了锂电池供电的电源管理电路,使得谱仪可以实现自动开启工作模式或进入待机模式,从而实现长续航时间自动γ能谱测量功能.对谱仪进行性能测试得到:谱仪能量分辨率为3.0%(@662 keV),且能量响应积分非线性为9.5%,能够长期稳定工作,具有低功耗长续航时间等特点.     

粗糙K-means和AdaBoost结合的雷达辐射源快速识别算法

针对数据集识别难度分布不均匀,提出了基于粗糙K-means和AdaBoost的雷达辐射源快速识别算法。该算法由2个阶段构成:初级识别阶段提出一种改进粗糙K-means算法,将数据特征空间分割为确定区域、粗糙区域和不确定区域,构建雷达辐射源快速识别算法模型,对数据集进行筛选和识别,同时提出了一种确定粗糙K-means算法初始聚类中心和聚类数量以解决其固有缺陷的思路;在高级识别阶段,基于粗糙区域已知数据训练的多类AdaBoost分类器识别不确定区域未知数据,提升识别精度。仿真结果表明:该算法与RBF-SVM和AdaBoost相比,精度浮动在-0.1%到+1.4%之间,训练时间和测试时间分别最大缩短0.857s和0.005s,在保持了较高识别精度和泛化能力的同时,明显降低了计算复杂度,缩短了耗时,提供了设计雷达辐射源快速识别算法的新思路。