学位论文 > 优秀研究生学位论文题录展示

基于遗传算法的核材料γ能谱分析技术研究

作　者: 高威
导　师: 王崇杰
学　校: 辽宁师范大学
专　业: 粒子物理与原子核物理
关键词: 核素 γ能谱目标函数遗传算法
分类号: O571.323
类　型: 硕士论文
年　份: 2010年
下　载: 77次
引　用: 1次
阅　读: 论文下载

内容摘要

γ能谱分析技术是探测和分析核材料的重要技术手段之一,在核安全保障等领域具有广泛的应用。γ能谱分析的基本任务就是对核材料中的放射性核素进行定性和定量分析。一般情况下,定性分析就是根据γ能谱中的全能峰峰位确定核材料中的放射性核素种类;定量分析则是在定性分析的基础上,根据放射性核素的谱成分强度（通常为全能峰峰面积）计算核材料中各放射性核素的活度。一套完整的γ能谱数据中,一般包括全能峰、逃逸峰、淹没峰、反散射峰、符合峰以及康普顿散射谱等多种谱成分。由于γ能谱成分的复杂性,各核素谱成分之间常常存在着严重的重叠和干扰,这给以全能峰峰面积为定量分析依据的解谱技术带来了较大困难。随着核技术及其应用的发展,常规的γ能谱解谱软件常常不能满足技术要求,尤其是对于核弹头等核材料的复杂γ能谱分析,常规的解谱软件难以达到满意的分析精度。本文根据γ能谱仪系统的线性叠加性,在定性分析的基础上,提出了一种基于遗传算法的全谱定量分析方法。该方法在最小二乘意义下,以全谱为分析对象,提高了谱数据的利用率。通过采用遗传算法,实现了全局最优化。通过在优化目标函数中引入了谱漂移校正参数,实现了软件方法的谱漂移校正。同时,通过引入相应的映射关系,将拟合谱与待分析谱之间的相关系数和目标函数同时映射到了遗传算法的适值函数域中,获得了较高的分析精度。首先,本文通过分析Monte Carlo模拟谱数据,验证了该方法的可行性。利用Monte Carlo方法模拟了多种放射性核素的分立γ能谱以及混合γ能谱。以分立谱为标准谱,对混合谱进行了定量分析,得到了较高的分析精度,证明该方法是可行的。其次,通过分析Monte Carlo模拟谱数据,对该方法的定量分析下限和能量分辨率能力进行了研究。研究表明,该方法具有较高的能量分辨能力,分析精度几乎不受重叠峰的影响,特别适合弱峰和复合峰较多的核材料γ能谱分析。同时也表明该方法具有较低的定量分析下限。最后,通过分析实测的HPGe探测器的γ能谱,验证了该方法的实用性。对实验室放射源¹³⁷Cs、⁶⁰Co和¹⁵²Eu进行了测量,并得到了分立谱和混合谱。以分立谱为标准谱,对混合放射源谱进行了定量分析,该方法对实测能谱也给出了较准确的分析结果,相对误差均小于2.5%,说明方法是有效可行的。

全文目录

摘要  3-4
Abstract  4-8
1 绪论  8-15
  1.1 研究的意义  8-10
  1.2 研究现状  10-15
    1.2.1 峰面积法简介  10-13
    1.2.2 剥谱法简介  13
    1.2.3 逆矩阵法简介  13-14
    1.2.4 曲线拟合法简介  14-15
2 γ能谱的分析原理  15-29
  2.1 γ射线与物质之间的相互作用  15-20
    2.1.1 光电效应  15-17
    2.1.2 康普顿效应  17-19
    2.1.3 电子对效应  19-20
  2.2 γ能谱仪简介  20-22
    2.2.1 NaI(Tl)闪烁谱仪  20-21
    2.2.2 Ge(Li)半导体谱仪  21-22
  2.3 γ能谱的形成机制  22-23
  2.4 γ能谱的数据分析  23-29
    2.4.1 能量刻度  24
    2.4.2 效率刻度  24-25
    2.4.3 简单的核素γ能谱的分析  25
    2.4.4 多种核素γ能谱的分析  25-29
3 基于遗传算法的γ能谱分析  29-34
  3.1 遗传算法  29
  3.2 建立目标函数  29-31
    3.2.1 漂移和伸缩修正  30
    3.2.2 相关系数修正  30-31
  3.3 参数的编码与解码  31
  3.4 初始种群的选择  31
  3.5 应用遗传算法求解  31-34
    3.5.1 遗传操作  31-32
    3.5.2 编程实现算法  32-34
4 方法的实验验证及性能测试  34-48
  4.1 Monte Carlo 模拟γ能谱分析  34-38
    4.1.1 Monte Carlo 方法的概述  34
    4.1.2 Monte Carlo 方法模拟点状放射源  34
    4.1.3 Monte Carlo 方法模拟圆柱形放射源  34-35
    4.1.4 组合放射源γ能谱分析  35-38
  4.2 方法性能测试  38-44
    4.2.1 定量分析下限  38-43
    4.2.2 能量分辨率  43-44
  4.3 实测γ能谱分析  44-48
结论  48-49
参考文献  49-51
致谢  51

基于遗传算法的核材料γ能谱分析技术研究

内容摘要

全文目录

相似论文