一种在线气溶胶能谱分析方法及分析系统

摘要

本发明公开了一种在线气溶胶能谱分析方法及分析系统，该分析方法采用放射性平衡理论进行能谱数据分析：计算得到天然核素能谱中低能量峰和高能量峰之间的比例关系，然后测量天然核素能谱中高能量峰的累计计数，根据天然核素能谱中低能量峰和高能量峰之间的比例关系计算得到天然核素能谱中低能量峰的能谱，最后将测量得到的低能量峰的能谱减去天然核素能谱中低能量峰的能谱，即为人工核素的能谱。本方案能准确识别出天然α放射性核素和人工α放射性核素。

说明书

技术领域

本发明涉及气溶胶检测技术领域，具体涉及一种在线气溶胶能谱分析方法及分析系统。

背景技术

气溶胶是指固体或液体微粒以大气为载体形成的多相分散体系，其微粒大小通常在0.01微米至几十微米之间。其中具有放射性分散相的分散体系，称为放射性气溶胶。放射性气溶胶监测是指同时或延时测量等方式，获取环境排放的射性气溶胶活度浓度。

在核设施运行和生产过程中，例如，放射性矿石开采、加工和精制、核燃料制备、反应堆运行、放射性同位素生产和处理、核燃料化学处理和后处理、以及放射性废物处置等，都会产生放射性气溶胶，使核设施工作场所和环境的空气受到放射性气溶胶污染。

工作人员吸入含有放射性气溶胶的空气，其中部分放射性物质微粒将滞留在体内，形成对工作人员的内照射，内照射比外照射对人体的危害更大，所以，放射性气溶胶监测对保障工作人员的健康具有重要意义。

现阶段的便携式α气溶胶监测仪区分天然α放射性核素和人工α放射性核素主要使用的方法是能量阈值法，即通过多道获取α能谱，大于设定阈值的能谱认为是天然核素，小于阈值的认为是人工核素。该方法在复杂环境下无法正确给出人工α放射性核素的活度，从而无法准确识别出天然α放射性核素和人工α放射性核素，容易造成误判断。

发明内容

针对现有技术存在的上述不足，本发明要解决的技术问题是：如何提供一种能准确识别出天然α放射性核素和人工α放射性核素的在线气溶胶能谱分析方法。

为了解决上述技术问题，本发明采用如下技术方案：

一种在线气溶胶能谱分析方法，先计算得到天然核素能谱中低能量峰和高能量峰之间的比例关系，然后测量天然核素能谱中高能量峰的累计计数，根据天然核素能谱中低能量峰和高能量峰之间的比例关系计算得到天然核素能谱中低能量峰的能谱，最后将测量得到的低能量峰的能谱减去天然核素能谱中低能量峰的能谱，即为人工核素的能谱。

这样，天然核素和人工核素发射的α粒子能区范围不同，天然核素主要集中在高能段一般大于6.00MeV(主要分支)，而人工核素的能量一般都要小于6.00MeV。因此，天然核素和人工核素可通过能量阈值法进行区分。

在天然α放射性核素中既有低能量峰也有高能量峰，高能量的峰相对比较独立，不容易受干扰，而低能量峰容易被其它能量的峰干扰而被误认为是人工核素，因此本方案利用放射性平衡理论寻找天然核素中高能量峰与低能量峰之间的比例关系，利用高能量峰不易受干扰的特点，通过测量高能量峰的累计计数，并根据比例关系得到天然核素的低能量峰的能谱，由于人工核素的能谱都是低能量峰谱，故将测量得到的低能量峰谱减去天然核素的低能量峰的能谱，就是需要测量的人工核素的能谱，由此就可以准确识别出天然α放射性核素和人工α放射性核素，保证测量的准确性。

优选的，在获得人工核素的能谱后，还利用离散二阶求导法获取人工合适能谱的峰值信息，并将该峰值信息与数据库中的数据进行比对，从而得到人工核素的种类信息。

优选的，一种在线气溶胶能谱分析系统，包括PIPS探测器、模数转换器、FPGA芯片和NIOS软核；

所述PIPS探测器用于探测气溶胶中的α粒子，所述PIPS探测器的输入端设有滤纸，气溶胶中的α粒子穿过所述滤纸后进入到所述PIPS探测器内，所述PIPS探测器的输出端用于与所述模数转换器的输入端连接，以将探测到的α粒子数据传递到所述模数转换器；

所述模数转换器将接收到的α粒子数据进行模数转换，并根据转换结果输出TTL信号到所述FPGA芯片；

所述FPGA芯片获取TTL信号的峰值，以得到对应时刻α粒子的能量，经过设定时间的测量得到α粒子的能谱数据；

所述NIOS软核读取所述FPGA芯片中的α粒子的能谱数据，并采用上述在线气溶胶能谱分析方法得到人工核素的能谱。

优选的，所述FPGA芯片使用Verilog语言将获取的α粒子的能谱数据存储在所述FPGA芯片的Ram中，所述NIOS软核通过并行IO口以1Hz的频率读取存储在所述FPGA芯片的Ram中的α粒子的能谱数据并存储在NIOS软核中。

这样，由于FPGA芯片浮点运算能力薄弱，因此无法实现复杂的核素识别算法，传统处理方法是将能谱数据传送至上位机或者单片机芯片中进行处理，这样增加了整个设备的制造成本，提高了故障率，本方案采用NIOS软核，该软核的功能类似于单片机，是基于FPGA芯片生成的，它可以和FPGA内的硬件无缝连接。

优选的，所述PIPS探测器的输出端通过电荷灵敏前放电路和极零相消电路后与所述模数转换器连接。

这样，利用电荷灵敏前放电路和极零相消电路对PIPS探测器的输出信号进行整形处理，消除噪声信号的影响。

优选的，所述模数转换器采用AD9244芯片。

优选的，气溶胶中的α粒子在穿过所述滤纸时，所述滤纸上α粒子的活度按下列公式变化：

式中：Ni为i代α粒子的个数，α为滤纸过滤效率，β为i代粒子的浓度，v为采样速率，λ为衰减常数。

附图说明

图1为本发明在线气溶胶能谱分析系统的结构框图；

图2为本发明中滤纸表面α粒子入射时的探测器能量沉积图；

图3为本发明中氡子体活度随时间的变化示意图；

图4为本发明中钍子体活度随时间的变化示意图；

图5为本发明中218Po和214Po累计计数比随时间变化图(理论计算)；

图6为本发明中218Po和214Po累计计数比随时间变化图(实验数据)；

图7为实现本发明在线气溶胶能谱分析方法的设备原理图。

具体实施方式

下面将结合附图及实施例对本发明作进一步说明。

一种在线气溶胶能谱分析方法，该方法采用放射性平衡理论进行能谱数据分析：先计算得到天然核素能谱中低能量峰和高能量峰之间的比例关系，然后测量天然核素能谱中高能量峰的累计计数，根据天然核素能谱中低能量峰和高能量峰之间的比例关系计算得到天然核素能谱中低能量峰的能谱，最后将测量得到的低能量峰的能谱减去天然核素能谱中低能量峰的能谱，即为人工核素的能谱。

这样，天然核素和人工核素发射的α粒子能区范围不同，天然核素主要集中在高能段一般大于6.00MeV(主要分支)，而人工核素的能量一般都要小于6.00MeV。因此，天然核素和人工核素可通过能量阈值法进行区分。

在天然α放射性核素中既有低能量峰也有高能量峰，高能量的峰相对比较独立，不容易受干扰，而低能量峰容易被其它能量的峰干扰而被误认为是人工核素，因此本方案利用放射性平衡理论寻找天然核素中高能量峰与低能量峰之间的比例关系，利用高能量峰不易受干扰的特点，通过测量高能量峰的累计计数，并根据比例关系得到天然核素的低能量峰的能谱，由于人工核素的能谱都是低能量峰谱，故将测量得到的低能量峰谱减去天然核素的低能量峰的能谱，就是需要测量的人工核素的能谱，由此就可以准确识别出天然α放射性核素和人工α放射性核素，保证测量的准确性。

在本实施例中，在获得人工核素的能谱后，还进一步采用核素识别算法分析得到能谱中的核素种类，即，利用离散二阶求导法获取人工合适能谱的峰值信息，并将该峰值信息与数据库中的数据进行比对，从而得到人工核素的种类信息。

如附图1所示，一种在线气溶胶能谱分析系统，包括PIPS探测器、模数转换器、FPGA芯片和NIOS软核；

PIPS探测器用于探测气溶胶中的α粒子，PIPS探测器的输入端设有滤纸，气溶胶中的α粒子穿过滤纸后进入到PIPS探测器内，PIPS探测器的输出端用于与模数转换器的输入端连接，以将探测到的α粒子数据传递到模数转换器；

模数转换器将接收到的α粒子数据进行模数转换，并根据转换结果输出TTL信号到FPGA芯片；

FPGA芯片获取TTL信号的峰值，以得到对应时刻α粒子的能量，经过设定时间的测量得到α粒子的能谱数据；

NIOS软核读取FPGA芯片中的α粒子的能谱数据，并采用上述在线气溶胶能谱分析方法得到人工核素的能谱。

在本实施例中，FPGA芯片使用Verilog语言将获取的α粒子的能谱数据存储在FPGA芯片的Ram中，NIOS软核通过并行IO口以1Hz的频率读取存储在FPGA芯片的Ram中的α粒子的能谱数据并存储在NIOS软核中。

这样，由于FPGA芯片浮点运算能力薄弱，因此无法实现复杂的核素识别算法，传统处理方法是将能谱数据传送至上位机或者单片机芯片中进行处理，这样增加了整个设备的制造成本，提高了故障率，本方案采用NIOS软核，该软核的功能类似于单片机，是基于FPGA芯片生成的，它可以和FPGA内的硬件无缝连接。

在本实施例中，PIPS探测器的输出端通过电荷灵敏前放电路和极零相消电路后与模数转换器连接。

这样，利用电荷灵敏前放电路和极零相消电路对PIPS探测器的输出信号进行整形处理，消除噪声信号的影响。

在本实施例中，模数转换器采用AD9244芯片。

在本实施例中，气溶胶中的α粒子在穿过滤纸时，滤纸上α粒子的活度按下列公式变化：

式中：Ni为i代α粒子的个数，α为滤纸过滤效率，β为i代粒子的浓度，v为采样速率，λ为衰减常数。

天然放射性气溶胶的α粒子主要是氡子体和钍子体发射的α粒子，氡子体发射的α粒子能量主要是6.10MeV(218Po)和7.68MeV(214Po)，钍子体的发射的α粒子能量主要是6.05MeV(212Bi)和8.78MeV(212Po)。人工放射性气溶胶的α粒子中的239Pu@5.15MeV，241Am@5.48MeV和210Po@5.30MeV是本项目中需要从天然放射性核素中识别的人工核素。

天然核素和人工核素发射的α粒子能区范围不同，天然核素主要集中在高能段一般大于6.00MeV(主要分支)，而人工核素的能量一般都要小于6.00MeV。因此，天然核素和人工核素可通过简单的能量阈值法进行区分。

α粒子到达探测器表面前需要穿过一定厚度的空气层和滤纸，加之不同入射角的α穿越的等效厚度不同导致进入探测器时的α粒子不再是单能粒子。附图2中的峰值位置是滤纸表面α粒子垂直入射时的探测器能量沉积。峰值之前的能谱是由不同能损的α粒子贡献的，形成了低能拖尾。

当天然本底的计数率远远大于人工核素的计数率时，由于低能拖尾的存在，会导致人工核素的峰位置向低能端移动。从附图2中可见，三种人工核素的峰位置距离很近，峰位置的移动会直接影响核素种类的判别。

谱数据处理时首先要对天然谱进行扣除，天然谱主要存在4个能峰，其中6.05MeV和6.10MeV峰几乎是重叠在一起的可视为一个峰进行处理，该峰会影响人工核素的峰位计算；8.78MeV(212Po)的峰由于β射线符合导致高能拖尾，峰的能谱较为复杂；7.68MeV的能峰是一个干净谱，可以作为谱数据标准点。

低能拖尾形状主要由滤纸到探测器距离和滤纸结构决定。由于探测器有效面积要远大于滤纸的孔面积，因此可以认为每片滤纸的结构都是相同的，而滤纸到探测器距离对于同一台设备该距离是不变的，因此在每一次测量时，环境本底的能谱形状是不变的，通过对实验数据拟合可以获取不同能峰的拟合分布，通过从高能峰扣除的办法可以将本底谱扣掉。该方法依赖于粒子总计数，7.68MeV和8.78MeV的能峰相对独立，能峰计数不受其他能峰干扰。但是6.10MeV和6.05MeV的能峰会受到7.68MeV能峰拖尾的影响，需要通过根据放射性平衡理论来计算对应关系。

根据放射性平衡理论，随着放射性气溶胶在滤纸上的积累，滤纸上各个核素的活度会随着时间变化。变化公式如下式所示：

其中，Ni为i代粒子的个数，α为滤纸过滤效率，β为i代粒子的浓度，v为采样速率，λ为衰减常数。

第二代至第四代的活度分别如下式：

氡子体活度和钍子体活度随时间的变化趋势如附图3和附图4所示：

核素212Bi(钍子体)释放的6.05MeV的α粒子和212Po(钍子体)释放的8.78MeV的α粒子具有固定分支比。218Po和214Po属于不同衰变代，两个核素的活度比例关系可利用上述活度计算公式得到，结果如附图5所示。从图中可见，在气溶胶开始工作时，两个累计计数逐渐上升，当达到接近1之后，该比值随时间按指数衰减最终达到基本平衡状态。

附图6展示了实验实测图，对比图5和图6可见理论分布和实验结果符合较好，利用实验数据进行拟合得到218Po和214Po累计计数比随时间的变化。

综上，根据测量时间和7.68MeV的累计计数以及8.68MeV的累计计数可以得到当前时间下6.10MeV处的累计计数，再利用7.68MeV的峰形可以较为可靠的扣除6.10MeV处的本底计数，减小高能拖尾的影响，提高人工α放射性核素的探测下限。

如附图7为实现本发明方法的设备原理图，转盘(收纸轮、供纸轮)结构将未使用的滤纸传送到检测组件和滤纸托盘中间，该滤纸用于收集空气中的α气溶胶粒子。主控板用于控制各个部件(北斗定位、无线模块、泵组件、风扇、光电开关、步进电机、显示器和声光报警器)和回去检测组件测量的α粒子的能量信息并处理。

最后需要说明的是，以上实施例仅用以说明本发明的技术方案而非限制技术方案，本领域的普通技术人员应当理解，那些对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，均应涵盖在本发明的权利要求范围当中。