基于瞬发γ中子活化分析技术的日遗化武鉴别方法研究

日本战败后遗弃在我国境内的数百万枚化学弹亟待销毁处理,而对弹型的准确鉴别是处置和销毁的前提。基于瞬发γ射线中子活化分析(PGNAA)技术,对现有手段难以区分的黄弹、青白弹以及燃烧弹开展鉴别研究,利用Geant4软件分别计算了采用^(252)Cf源、D-D和D-T中子发生器作中子源,聚乙烯或铅材质作反射体的情况下,上述3种弹型的中子诱发特征γ谱,并进行了实验验证。谱分析结果表明,对于燃烧弹中的特征元素P和S,主要检测特征γ射线能量分别为1266 keV和2230 keV,Cl元素的882/1763 keV特征峰与1951/1959 keV特征峰的计数之比可作为鉴别黄弹和青白弹的重要依据。从中子源的选型、反射体的选择、特征元素库的建立以及判别方法等方面,为基于PGNAA技术鉴别日遗化武提供了重要的参考依据。

基于生物启发神经网络的核辐射场区全覆盖路径规划

核辐射场区全覆盖路径规划对于辐射环境下区域作业者的辐射安全有重要意义。本研究基于生物启发神经网络算法,提出一种进行辐射剂量最优控制的全覆盖路径规划算法。首先,利用福岛核电站部分地形以及蒙特卡罗粒子输运程序分别构建模拟核辐射场区的障碍物分布和辐射剂量场,然后,采用Python语言进行算法仿真试验,模拟核辐射场区的每一个栅格定义为一个神经元,建立起生物启发神经网络,将栅格剂量率与神经元活性耦合实现路径规划的辐射剂量最优控制,分别采用单个、4个和8个移动单元进行仿真试验。结果表明:单个移动单元的规划路径在实现100%覆盖率,4%覆盖重复率的同时,能够优先覆盖低剂量区,延后覆盖高剂量区,实现了过程剂量和累积剂量的最优控制。为提高全覆盖的时间效率和获得更低的单体累积剂量,对算法进行多单元协同搜索的改进,结果表明:4单元和8单元仿真的覆盖重复率分别为5.72%和6.29%,1单元、4单元和8单元仿真完成全覆盖时间分别为30 min、9 min和4 min,时间效率成倍提高;最大单体累积剂量分别为4.11×10^(-3)mSv、1.28×10^(-3)mSv和0.85×10^(-3)mSv,也在显著降低。本文提出的算法能实现过程剂量和累积剂量最优控制的全覆盖路径规划,另外算法可以协同规划多单元路径,显著降低单体累积剂量,对辐射环境下区域作业的辐射防护有重要意义。

氧化铝基网状多孔陶瓷的制备及性能

将质量分数分别为56.25%的活性氧化铝、15%的高岭土、3.75%的氧化锆、25%的去离子水,外加 0.2%的FS和0.4%的CMC制备了涂覆料浆,研究了活性氧化铝粒径( d 50 =5.043、2.934和1.629 μm)对浆料流变性和触变性的影响,发现选用 d 50 =1.629 μm的双峰活性α-Al2O3(AMA - 10)较合适。然后以AMA - 10、高岭土和氧化锆为主要原料制备二次浸渍料浆,采用有机泡沫浸渍法结合二次真空浸渍技术制备了氧化铝网状多孔陶瓷试样,研究了 AMA - 10 含量对其性能的影响,并对试样的残余应力进行了有限元模拟分析。结果表明:活性氧化铝粒径越小且为多峰分布时,有助于提升涂覆浆料的触变性。采用二次真空浸渍技术可以显著提高氧化铝网状多孔陶瓷的力学性能、抗热震性和残余强度,且随着二次浸渍浆料中氧化铝含量的降低,陶瓷筋体外层残余应力由张应力逐渐变为压应力,有效抑制孔筋表面裂纹的扩展,使网状多孔陶瓷的耐压强度保持率显著提高。

基于PGNAA的化学武器识别

未知化学武器弹药的定性识别在犀护社会安全方面是十分重要的,可指导化学武器的分类处理。瞬发伽马射线中子活化分析(PGNAA)技术利用分析活化产生的伽马射线能谱可以实现对物质中元素的无损,快速检测,在化学武器识别中具有独特的优势。因此,本研究基于PGNAA技术进行了化学武器弹药类型识别装置的设计,同时使用逻辑树判别方法对化学武器样品进行定性分析。首先,基于高纯锗(HPGe)探测器与Cf-252中子源,使用蒙特卡罗MCNP程序对装置结构进行设计优化,主要包括中子源容器尺寸、伽马屏蔽体厚度以及探测器相对位置等。为了最大化样品活化产生的特征伽马射线,需要提高样品位置处的热中子通量,采用聚乙烯作为慢化体,模拟结果显示聚乙烯厚度达到6 cm,宽度达到12 cm时,样品中热中子通量达到较高水平。为了降低周围材料活化噪声的干扰,选择铅作为屏蔽结构,模拟显示铅屏蔽厚度达到5 cm时,可满足屏蔽要求。同时,探测器与样品之间的距离也会影响对伽马射线的探测,最终模拟确定探测器与样品之间的距离为28 cm时,特征信号计数最高。根据优化结果搭建测量装置,使用分析纯试剂根据真实化学武器元素含量配制化学武器模拟样品,通过对5种化学武器模拟样品的测量获得伽马能谱。对能谱中的特征峰处理过程中,基于特征峰对元素进行分析,针对计数统计性较好的元素(如H,Cl,S)的特征峰,使用高斯及多项式拟合的方式对特征峰处的高能量康普顿平台进行扣除,获得特征伽马射线的全能峰信息。而对统计性较差的元素特征峰(如N元素的10.829 MeV),采用能量区间加和法,对该能量下的全能峰至单逃逸峰之间的计数求和,进而可确定该元素在样品中的存在情况,最后利用建立的逻辑树判别方法根据元素存在信息对样品类型进行判别。实验结果表明,利用该优化的装置可以获得5种模拟样品的能谱,结合能谱分析方法可以得到化学武器模拟样品中的H,Cl,S和N等元素的存在信息,最后使用逻辑树判别方法可以对化学武器样品种类进行判别。