基于不同神经网络算法的钚部件模板测量方法研究

钚部件的模板是从申报部件的γ能谱与中子计数中提取反映其类型特征的量构成的,核查时再次测量部件的特征量并与模板进行比较判断两者是否为同一类型。将神经网络作为一种模板测量比较的匹配算法,分别应用于两种场景:BP神经网络能够对不同类别的钚部件进行分类,该场景通常用于核武库中核材料的管理与衡算,LVQ神经网络核查未知测量对象,判断是否与申报钚部件一致,该场景通常用于核裁军核查。通过实验,完善了模板的构成和匹配算法。     

基于γ与中子探测的钚元件模板测量方法研究

钚元件的模板测量是深度核裁军中的重要核查方法。钚元件的类型决定其γ能谱具有独特的特征:即如果两种钚部件设计相同,γ能谱是相似的,否则会出现差异。目前,钚元件模板测量主要是从申报钚元件衰变产生γ能谱中提取反映类型的特征量作为模板,将核查对象的特征量与模板进行比较,从而判断核查对象与申报钚部件是否属于同一类型。本文研究了从γ能谱中提取信息作为判别钚元件结构的模板数据的局限性:由于钚材料对γ射线的自吸收作用较强,在某些特定场景下仅依靠γ能谱不能有效辨别核查物与作为模板的钚元件的结构是否一致。通过MCNP模拟对该问题进行了验证。进一步研究发现在测量γ能谱的同时,测量钚元件自发裂变的中子计数率可以改善这个问题。     

基于NPL-NMC系统的γ测量子系统的建模与优化

在军控核查中,核部件的质量、丰度、年龄属性需采用无损方法进行核查,NPL-NMC系统是一套利用中子多重性测量核部件质量属性的装置,为建立完善的属性测量系统,还需在NPL-NMC系统的基础上建立γ测量子系统。本文通过设计γ测量子系统在NPL-NMC系统上的布局及对中子屏蔽的优化,使系统能对铀部件的丰度、年龄属性进行测量。模拟计算结果表明,该γ测量子系统能很好地满足军控核查对铀部件丰度、年龄属性测量的要求。     

符合中子法测量贫化铀部件质量技术研究

分别采用有源（主动）及无源（被动）符合中子法研究了贫化铀半球壳部件质量的测量方法与技术。采用井型中子符合计数器对不同质量的贫化铀部件进行了符合中子计数的测量,主动法测量选取Am-Be源作为诱发中子源,通过屏蔽体减小源中子偶然符合计数的影响,根据测量结果求出的贫化铀部件线性拟合质量与标称质量最大相对偏差达11.71%,而被动法测量的拟合质量最大相对偏差仅为4.05%。证明了由于与主动法相比减弱了形状的影响,采用被动法测量贫化铀部件质量精度更高且更为可靠。