大体积NaI(Tl)数字式车载γ能谱仪的研制

车载γ能谱仪主要应用于区域放射性核素活度测量、放射源搜索及核污染检测,而数字化技术是提高车载γ能谱仪灵敏度与快速响应的有效方法。本文研制了可支持1~5个4L大体积NaI（Tl）的数字式车载γ能谱仪系统。该系统采用数字核脉冲处理技术独立获取多个NaI（Tl）晶体的能谱,并通过无线WiFi、快速以太网、RS232等3种方式发送谱线数据给军用计算机。本系统在计算机上实现了实时核素识别、数字成图、色差能谱显示、ROI监控、数据回放等功能。结果表明,本系统采用数字技术后提升了车载γ能谱仪的能量分辨率、低能射线识别度和能量线性度,且具备更加稳定精确的数字稳谱效果。该系统不仅可用于放射性资源勘查,也可用于快速核应急、核污染检测、放射源搜索等。

FFT-BP神经网络模型对车载γ能谱辐射剂量率的预测分析

为了实现车载γ谱仪巡测系统对辐射剂量率的准确测定,提出基于快速傅里叶变换(FFT)本底扣除法的改进型BP神经网络模型(FFT-BP神经网络模型)。实验采用γ射线能谱分析法,对不同间距处的137 Cs放射源进行车载γ能谱测试,将得到的谱数据通过快速傅里叶变换(FFT)扣除本底,获得新的谱线数据。应用FFT-BP神经网络模型对未知剂量的车载γ谱线作辐射剂量率的定量预测,将预测结果同3个函数模型的拟合结果比较,验证FFT-BP神经网络模型的预测效果。结果表明,FFT扣除法能较好的削弱散射本底对γ谱线的影响,能有效的降低谱线本底。通过新谱线获得的特征峰面积和净谱线面积与辐射剂量率的相关系数均为0.99(p<0.05),相关性显著。模型拟合分析过程中,FFT-BP神经网络模型表现出较强的学习泛化能力,预测较理想,相对误差和累计误差分别低于0.6%和9%,效果明显优于数学模型和γ能谱全能峰法,可显著降低γ能谱分析辐射剂量率的误差,且能有效提升工作效率。因此,FFT-BP神经网络模型适用于γ能谱辐射剂量的预测分析,为车载γ谱仪巡测系统测量辐射剂量提供了一种新型有效的分析方法。

车载γ能谱仪数据实时传输系统设计

传统γ能谱仪采用小体积探测器和串口传输数据,不能满足车载谱仪大体积多探测器快速巡测的大数据量传输的要求,且存在多探测器时间协同问题。论文采用两个4 L大体积Na I(Tl)闪烁体晶体提高探测速率,使用GPS秒脉冲时钟同步独立数字多道进行谱线测量,谱线数据通过CAN总线传输到能谱仪主机并与GPS信息进行打包,再通过无线Wi-Fi高速传输到电脑进行谱线和核素分析,从而保证了时间精度和传输速度的要求,最后将分析结果传输到远程服务器用于实时评估环境辐射情况。

用大面积源检定核应急机载/车载伽玛能谱仪

人工核素大面积源标准是核工业航测遥感中心等单位经过十余年研究建立的新型计量保障标准,使用该标准,可对监测核应急伽玛辐射环境的机载/车载伽玛能谱仪进行检定。使用大面积源标准检定,可以有效地弥补因机载/车载伽玛能谱仪系统的角响应影响因素复杂而难于模拟计算的缺陷,为监测核应急伽玛辐射环境的机载/车载伽玛能谱仪提供了量值传递的保障。本文介绍了大面积源检定的原理和技术方法。