LRAD测量管道内表面α污染活度方法研究

摘要

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α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α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 AlamosNational 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技术的电流电离室探测系统。针对无法准确测量核设施表面α污染活度问题,通过大量的研究和实验,找出了现场测量中可能造成测量误差的关键影响参数,开展了敞开式LRAD管道内表面α测量多参数影响分析,初步得出多参数对测量系统产生的非线性影响特征,创造性地应用多种算法实现了对测量系统的非线性校正。但迄今为止,仪器测量还未能实现污染活度测量,校正后得到的结果仍为多参数影响条件下的仪器测量值。
　　 同时,对于核设施的管道退役,除测量表面α活度以判断管道污染程度外,还有一点需求就是确定污染源位置,一方面可实现放射源无损定位,避免材料浪费;另一方面还可防止污染源漏查,避免无谓的辐射污染。因此,将放射源定位作为研究课题对于核设施管道退役以及环境保护具有重要意义。
　　 本文针对放射性污染活度无法测量的问题,在调研国内外研究现状以及课题组前期研究的基础上,依托国家杰出青年科学基金(41025015)项目,开展了基于LRAD技术测量管道内表面α污染活度方法研究。
　　 论文的主要研究内容及成果主要有以下三点:
　　 1) LRAD测量管道内表面α污染活度方法研究
　　 在模拟装置下,应用控制变量法开展了多参数(探源距、风速、流量、测试管管长和管径)影响分析,查明了多参数对测量系统的影响特征。在此基础上,建立了影响因素量化值和测量值为网络输入、放射源活度为输出的BP神经网络,获得了多参数影响下测量值与放射源活度的关系。训练结果表明,建立的神经网络能够较高精度地逼近多参数影响下测量系统中测量值与放射源活度的映射关系,测试结果和实际测量也证明了该方法的可靠性。
　　 2) LRAD测量管道内表面α污染活度中放射源在管道中的定位(假设污染源面积很小)
　　 针对输入参数探源距难以直接测量问题,利用时间、速度和位移的关系,在实验基础上,结合CAD软件找出了离子自放射源至探测器的传输时间,应用fluent流体模拟软件模拟出了管道内的空气流速分布,经过相应换算得到了探源距近似值。结果表明,计算值与放射源实际位置误差足够小,可应用于实际测量。
　　 3) BP神经网络用于实际活度测量
　　 活度未知条件下,结合放射源定位方法,在测得影响因素量化值和仪器测量值的基础上,将结果输入已建立BP神经网络计算,得出了α核素放射性活度计算值,体现了该方法的实际应用价值。通过实践,结合测量方法计算,得出结果与实际测量误差稍大于训练结果误差,但仍在足够小范围内,证明该方法可应用于实际测量。
　　 本文的创新点如下:
　　 1)结合fluent和CAD软件,开展管道内放射源定位研究,通过确定放射性污染源位置,对受污染管道不同部位实施分类处理,有助于减少管道退役时无谓的材料浪费或因漏检对环境造成不必要的污染,优化LRAD测量系统无损检测的能力,同时解决放射源活度估算时已知条件获取的问题。
　　 2)在前期多参数影响分析基础上,以获得放射源活度为目的,利用BP神经网络建立多参数影响条件下测量值与活度一一对应的非线性映射关系,并结合放射源定位方法实现现场管道放射源活度测量研究。克服了多种因素对测量的影响,同时获得放射源活度的大小,更具实际应用价值。
　　 综上所述,论文从测量管道内表面α污染放射性活度的目的出发,应用BP神经网络模拟了多参数影响条件下测量值与放射源活度的数学关系模型。在此基础上,利用fluent软件等方法测得了探源距,通过测量工具获取风速、流量、测试管管长、管径以及仪器测量值,结合BP网络模型计算出管道内放射源活度,对现场LRAD管道内表面α污染放射性活度测量具有借鉴意义。

目录

声明

摘要

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