D（Be）中子源能谱的测量

用阈探测器法测量了１．２ｍ回旋加速器１３．４ＭｅＶＤ（Ｂｅ）中子源在０度方向的能谱。考虑了各种修正，给出了能谱的误差，并用一已知激发函数的激活片Ａｕ算出其对所测中子谱的比反应率，与测量的值进行了比较，两者在实验误差范围内一致。     

掺钆液闪探测器用于锦屏地下实验室的快中子本底测量

文章采用掺杂0.5%Gd液闪探测器测量了中国锦屏地下实验室(CJPL)的快中子本底通量及中子能谱.掺钆液闪探测器对于核反冲信号和电子反冲信号优异的甄别性能用于中子候选事例的筛选,并采用钆对热中子的俘获特性进行时间甄别.对有效采数时间为206 d的数据进行分析,获得锦屏地下实验室的聚乙烯室(PE)内1～10 MeV快中子通量为4.45×10~(-8)cm~(-2)·s~(-1).采用相似的方式分析了掺钆液闪探测器(Gd-Ls)中天然放射系的α本底程度,来源于~(238)U,~(235)U,~(232)Th的α粒子含量分别为(0.0227±0.0001) s~(-1),(0.0329±0.0001) s~(-1)和(0.1471±0.0002) s~(-1).与世界上其他深地实验室的快中子通量进行对比,CJPL的快中子通量处于极低水平,是进行稀有事例测量实验的理想场所.     

D-D中子源孔隙度测井的蒙特卡洛模拟

根据D-D反应中子的能谱和角分布数据,建立了D-D中子源模型.根据标准刻度井数据,建立了井模型.采用MCNP程序模拟了D-D中子在井中的输运,给出了热中子相对通量沿轴线的分布和孔隙度探测灵敏度随源距的变化,结果显示对D-D中子源,孔隙度测量零灵敏约在17 cm附近,探测器的适宜布置区间为25～60 cm.根据D-T反应中子和Am-Be中子源的能谱及角分布数据,建立了其中子源模型,通过MCNP模拟,研究了补偿法孔隙度测井时近远探测器中的热中子计数比值R及测量灵敏度S随孔隙度的变化,并与D-D中子源的模拟结果进行了比较,结果显示D-D源有更高的测量灵敏度和更高的中子利用率.     

三氟化硼Bonner多球谱仪的中子源能谱测量方法

为解决~3 He气体短缺且价格日益昂贵所造成的中子能谱测量装置灵敏元缺乏问题,研制了一套BF3正比计数管多球谱仪系统。基于蒙特卡罗方法对Bonner多球谱仪系统的细致结构进行建模,模拟计算得到了探测器能量响应灵敏度;在中国原子能科学研究院的高压倍加器上使用2.86MeV与14.84MeV能量的中子对谱仪系统的探测器能量响应灵敏度进行了标定,结合模拟结果确定了谱仪系统在实验条件下的能量响应灵敏度;使用此谱仪系统对241 Am-Be中子源能谱进行了测量,对多球谱仪测量结果使用自编Gravel算法进行逆卷积解谱,解谱所得能谱与~(241)Am-Be中子源标准能谱的对比结果表明,在总体不确定度小于21.46%的范围内二者符合良好,验证了整套多球系统具有较高的可靠性。该三氟化硼多球谱仪系统有望在加速器、反应堆及同位素中子源环境的中子能谱与剂量检测中得到更为广泛的应用。     

250MeV以下能区中重核能谱和双微分截面的计算方法

给出了在中能区(≤250 MeV)多次粒子发射过程中计算6种出射轻粒子(n,P,a,d,t,3He)及各种 反冲核之能谱和双微分截面的方法.对p+208Pb反应给出了发射中子能谱和双微分截面的部分计算结果与实验数据的比较.     

锗酸铋晶体中子辐照诱导色心的研究

对锗酸铋晶体进行了两种不同剂量的14.6MeV快中子辐照.利用常规的核探测技术,通过测量其辐照前后　Cs的γ能谱来观察峰总比的变化,研究了辐照诱导色心对于荧光输出和中子剂量对于辐照诱导色本底能谱和137心密度的影响.     

基于Elman型回归神经网络的公交客流预测

文章将动态回归神经网络(Elman)预测方法应用于城市公交客流量的预测, 通过对合肥市公交量的历史数据分析得到公交客流量的时间序列,将时间序列视为一个从输入到输出的非线性映射,对网络进行学习与训练仿真实验,并与BP神经网络输出结果进行了比较,并对网络模拟结果和历史数据进行了线性回归分析,求得一定的相关系数.结果表明,应用Elman神经网络方法比BP神经网络对公交客流量进行短期预测,预测精度高及效果好.     

中子多重性探测器搭建及参数标定

该文介绍了自主设计的中子多重性探测器构成模块和搭建方法,以及相应的参数标定算法。在参数标定过程中,首先使用Am-Li中子源的相关计数率与本底计算率差值趋零化方法,提出了预延迟的标定公式;在均方差最小化基础上建立了三均分算法,进行了中子多重性死时间系数的拟合标定。根据6组252 Cf中子源获取的9个标定参数,利用中子多重性探测器对2个钚金属样品进行了测试,测试结果验证了探测器搭建方法的合理性及参数标定算法的正确性。     

中子受激辐射计算机断层扫描成像系统的MCNP模拟

本文对中子受激辐射计算机断层扫描成像(NSECT)系统进行了仿真计算,包括中子源的选择、准直屏蔽系统的设计、屏蔽墙和靶体的设置以及探测器的布置.采用MCNP程序模拟了D-T中子源产生的14MeV左右中子束在NSECT系统中轰击代替人体组织的圆柱体水体模的中子输运过程,记录并获得了元素特征γ射线和出射中子的通量分布及能谱图,该研究对中子成像平台的搭建有指导作用.从特征γ射线和出射中子的通量分布及能谱可知,在Z=0的平面上与中子束传播方向呈43.6°–50.9°的方向上布置高能γ探测器更利于得到可靠的成像数据,其中48.5°方向上可得到最佳的成像数据.从特征γ射线能谱找到了~(16)O对应的特征峰,特征峰能量与靶体元素的激发能完全一致,说明NSECT具备元素识别和确定元素浓度的能力,证明了NSECT被应用到癌症的早期或超早期诊断以及检查藏匿的炸药、毒品等领域的可能性.     

基于人工蜂群算法的Elman网络板形预测

针对常规Elman网络泛化能力差的缺点,以及工业生产中对高精度板形预测模型的需要,用人工蜂群算法（ABC）代替误差反传算法训练Elman网络,建立了一个基于Elman网络的板形预测模型．神经网络的隐层节点数通过经验公式和仿真试验来确定．通过仿真验证,用人工蜂群算法训练的Elman网络在同等条件下比常规Elman网络具有更强的泛化能力,其板形预测精度更高．     

基于PCA与Elman网络的地下矿山岩层移动

 由于地下金属矿床地质与开采条件的复杂性,影响岩层移动的因素错综复杂且相互影响,使得对岩层移动的预测具有很大的不确定性。大量的样本数据减慢了神经网络的训练速度,并且使得神经网络不稳定。将主成分分析(PCA)与Elman网络相结合构建模型,对地下矿山岩层移动角进行预测研究。利用主成分分析对原始数据进行预处理,提取原信息的主成分,将输入变量减少且互不相关,提高神经网络训练速度;用Elman网络对训练样本进行训练,进而利用训练好的网络对预测样本进行预测,与不采用PCA时的预测结果相比,采用PCA的预测结果更为准确,通过期望输出与实际输出的对比,相对误差都在5%以内,其预测的结果精度高,表明了PCA与Elman网络相结合对地下矿山岩层移动进行研究是可行的。     

基于卷积模型的核信号仿真

NaI(Tl)探测器因具有探测效率高和成本低等优点,常被用于核辐射能谱测量和核辐射监管等领域．由于实验条件等的限制,研究人员往往较难获取理想的实验核信号,虽然可以借助探测器的仿真信号来实现研究目的,但是常规的探测器单指数或双指数模型和实际采集到的核信号模型存在一定的差异,需要一种更为精准的数学模型对探测器输出信号进行描述．我们通过对探测器信号形成过程分析,将探测器视为线性时不变系统,探测器各个部分响应的总卷积即为输出的核信号模型．本文建立的探测器输出信号卷积模型,结合实测伽玛源的幅度分布规律和相邻脉冲时间间隔分布规律,可以提供更精确的NaI(Tl)探测器输出信号,以便用于伽玛能谱测量算法研究;通过调节脉冲间隔时间大小,可以仿真不同计数下探测器输出信号的堆积情形,以便用于堆积信号还原算法研究．经过与伽玛辐射源的对比测试,该仿真信号与真实探测器输出信号一致,既避免了研究人员接触放射源,提高辐射防护安全性,又为开展数字化核信号处理算法研究及能谱算法研究提供了极大的便利性．     

RBF神经网络在旋转机械故障诊断中的应用

以频谱能量和轴心轨迹特征作为机械故障的特征量,通过RBF神经网络对机械故障进行诊断,使用Matlab软件编程并得出识别结果.与BP神经网络、Elman神经网络相比,RBF神经网络在机械故障诊断中具有训练次数少,速度快,准确度高,识别误差小的优点.     

一种基于前馈神经网络的火灾探测方法

讨论了基于模拟量探测器和前馈神经网络的火灾探测方法．以光学感烟、半导体感温、离子感烟和湿度模拟传感量为输入，以火灾概率和阴燃火灾概率为输出量对前馈神经网络进行训练，不仅可提取火灾环境的有效特征，而且可提高检测算法的可靠性     

车用锂离子动力电池剩余寿命非线性组合预测研究

针对单一预测模型难以准确预测锂电池的剩余寿命（remaining useful life, RUL）难题,提出了非线性组合预测方法;利用相空间重构,对实验采集到的数据进行重构,将重构后的数据对改进Elman神经网络和非线性自回归（nonlinear autoregressive with exogenous input,NARX）神经网络这2个单项预测模型进行训练和预测;采用RBF神经网络对2个单项模型的预测值进行非线性组合,获得最终的RUL预测值．结果表明:非线性组合预测方法的均方根误差比PCA-NARX方法提高了近1%,比NARX方法提高了近2%,比改进Elman方法提高了近3%;非线性组合预测方法具有较高的精度及泛化能力,采用相空间重构技术有利于提高非线性组合方法的预测精度．      

神经网络补偿器在基于影像测量仪的运动控制系统中的应用

针对基于影像测量仪的运动控制系统存在的非线性误差问题,设计出神经网络补偿器.通过所采集的伺服电机的输入、输出数据,对非线性伺服电机的神经网络仿真器及补偿器进行训练.所设计的神经网络补偿器应用在运动控制的高精密定位系统上,使控制系统表现出良好的控制性能.仿真实验表明该控制器具有较强的有效性.     

基于Elman神经网络的PMV参数预测建模

传统PMV指标计算方法具有复杂度高、延时大的缺陷.根据PMV参数的时变特征,利用Elman神经网络建立PMV参数预测模型,实现对热舒适度的在线监测.模型以温度、相对湿度、风速和平均辐射温度为输入,以PMV指标为预测输出,具有良好的泛化能力.仿真结果表明该方法的预测结果与数值计算的结果相近,同时训练后神经网络的计算时间优于传统方法的计算时间.     

改进的Elman网络在非线性系统辨识中的应用

通过对Elman网络的研究,提出一种新型的基于输入层、隐层、输出层神经元递归的动态递归神经网络,给出Elman网络的标准BP学习算法,针对标准BP算法的收敛速度慢和容易收敛于局部极小点的缺点,利用非线性动量项自适应变步长的BP算法进行改进,从而提高算法的收敛速度,避免陷入局部极小点的问题.通过在系统辨识中的应用,表明该网络收敛速度快,模型精度高,并具有较强的自适应性和鲁棒性,适合于动态系统的实时辨识.     

有机灰色神经网络模型在河流水质预测中的应用

针对灰色预测对波动较强的序列只能预测大致变化的缺陷,在分析河流水质动态变化的基础上,结合灰色理论中的GM(1,1),无偏GM(1,1)和RBF神经网络的特点,提出有机灰色神经网络预测模型,将灰色模型得到的数值作为神经网络的输入,原始数据作为神经网络的输出,训练得到最佳神经网络结构.以某地区河流水质为例,根据其变化规律,应用有机灰色神经网络模型进行预测,结果表明,该模型拟合误差小,预测精度高.