CN117672570A - 一种自给能中子探测器一致性控制方法、装置及系统 - Google Patents
一种自给能中子探测器一致性控制方法、装置及系统 Download PDFInfo
- Publication number
- CN117672570A CN117672570A CN202311677007.2A CN202311677007A CN117672570A CN 117672570 A CN117672570 A CN 117672570A CN 202311677007 A CN202311677007 A CN 202311677007A CN 117672570 A CN117672570 A CN 117672570A
- Authority
- CN
- China
- Prior art keywords
- consistency
- factor parameters
- neural network
- sensitivity
- self
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000035945 sensitivity Effects 0.000 claims abstract description 81
- 238000004364 calculation method Methods 0.000 claims abstract description 62
- 238000013528 artificial neural network Methods 0.000 claims abstract description 50
- 238000012549 training Methods 0.000 claims abstract description 34
- 239000012212 insulator Substances 0.000 claims abstract description 30
- 238000000342 Monte Carlo simulation Methods 0.000 claims abstract description 12
- 238000003062 neural network model Methods 0.000 claims abstract description 7
- 230000006870 function Effects 0.000 claims description 18
- 230000004907 flux Effects 0.000 claims description 14
- 238000010276 construction Methods 0.000 claims description 6
- 230000004913 activation Effects 0.000 claims description 3
- 230000005255 beta decay Effects 0.000 claims description 3
- 238000004088 simulation Methods 0.000 abstract description 10
- 238000001514 detection method Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 230000000694 effects Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 230000004044 response Effects 0.000 description 8
- 239000000463 material Substances 0.000 description 6
- 230000003111 delayed effect Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000005056 compaction Methods 0.000 description 3
- 230000005684 electric field Effects 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 230000001052 transient effect Effects 0.000 description 3
- 238000000429 assembly Methods 0.000 description 2
- 230000000712 assembly Effects 0.000 description 2
- 230000004992 fission Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- BASFCYQUMIYNBI-UHFFFAOYSA-N platinum Chemical compound [Pt] BASFCYQUMIYNBI-UHFFFAOYSA-N 0.000 description 2
- 229910052703 rhodium Inorganic materials 0.000 description 2
- 239000010948 rhodium Substances 0.000 description 2
- MHOVAHRLVXNVSD-UHFFFAOYSA-N rhodium atom Chemical compound [Rh] MHOVAHRLVXNVSD-UHFFFAOYSA-N 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 description 1
- PNEYBMLMFCGWSK-UHFFFAOYSA-N aluminium oxide Inorganic materials [O-2].[O-2].[O-2].[Al+3].[Al+3] PNEYBMLMFCGWSK-UHFFFAOYSA-N 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 229910017052 cobalt Inorganic materials 0.000 description 1
- 239000010941 cobalt Substances 0.000 description 1
- GUTLYIVDDKVIGB-UHFFFAOYSA-N cobalt atom Chemical compound [Co] GUTLYIVDDKVIGB-UHFFFAOYSA-N 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 229910052593 corundum Inorganic materials 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 229910001055 inconels 600 Inorganic materials 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 229910052697 platinum Inorganic materials 0.000 description 1
- 230000000191 radiation effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 229910052709 silver Inorganic materials 0.000 description 1
- 239000004332 silver Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 229910052720 vanadium Inorganic materials 0.000 description 1
- LEONUFNNVUYDNQ-UHFFFAOYSA-N vanadium atom Chemical compound [V] LEONUFNNVUYDNQ-UHFFFAOYSA-N 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 229910001845 yogo sapphire Inorganic materials 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E30/00—Energy generation of nuclear origin
- Y02E30/30—Nuclear fission reactors
Landscapes
- Measurement Of Radiation (AREA)
Abstract
本发明提供了一种自给能中子探测器一致性控制方法、装置及系统，涉及中子探测技术领域，方法包括：基于蒙特卡洛方法建立自给能中子探测器的灵敏度计算模型；获取影响SPND一致性的因素参数，因素参数包括有发射体厚度、收集体厚度、绝缘体厚度、发射体长度以及绝缘体压实度；将因素参数带入灵敏度计算模型计算灵敏度，并基于计算结果构建训练数据集；建立BP神经网络，将训练数据集带入所构建的BP神经网络模型进行训练；以BP神经网络计算的数据为数据库，开发一致性查询软件，获取已知待查询的因素参数，将其输入一致性查询软件，输出满足一致性的其他因素参数的具体数值范围。以基于BP神经网络和MC模拟相结合的方法来研究自给能中子探测器的一致性。
Description
技术领域
本发明涉及中子探测技术领域，具体而言，涉及一种自给能中子探测器一致性控制方法、装置及系统。
背景技术
自给能中子探测器(SPND)是一种用来探测反应堆堆芯中子通量的探测器，它具有体积小、结构简单，便于安装以及无需外部电源供电等特点，与传统的裂变电离室以及活化中子探测器相比，更适用于用来对堆芯中子通量进行监测。
在实际的反应堆应用中，SPND都是4根或者6根组装成一个组件应用在堆芯中的，一个反应堆中可能会装配几十个这样的组件以此来完成对堆芯通量的测绘。装配在同一个堆芯中的探测器的一致性是保证堆芯通量测绘准确的关键因素，所以保证制造出的探测器的一致性就显得尤为重要。自给能中子探测器的一致性也就是其探测输出信号的一致性，而决定其输出信号的就是探测器的灵敏度。
目前研究一致性的方法主要还是以MC模拟为主，根据实际加工制造过程中影响一致性的因素来模拟SPND的灵敏度。通常来讲，影响一致性的因素有四五个，而每个因素量化为10个点进行研究，则需要使用MC模拟104-105个数据，使用MC仿真一个数据需要10分钟，那么仿真完所有的数据需要20个月以上，这样的时长在实际使用中是不能忍受的。
因此，需要一种在保证对计算灵敏度的准确性的条件下有效提升计算效率的方法。
发明内容
为了改善上述问题，本发明提供了一种自给能中子探测器一致性控制方法、装置及系统，在保证对计算灵敏度的准确性的条件下有效提升计算效率。
本发明实施例的第一方面，提供了一种自给能中子探测器一致性控制方法，所述方法包括：
基于蒙特卡洛方法建立自给能中子探测器的灵敏度计算模型；
获取影响SPND一致性的因素参数，所述因素参数包括有发射体厚度、收集体厚度、绝缘体厚度、发射体长度以及绝缘体压实度；
将所述因素参数带入所述灵敏度计算模型计算灵敏度，并基于计算结果构建训练数据集；
建立BP神经网络，BP神经网络的输入层节点数为5，分别对应所述因素参数，输出层节点数为1，对应计算结果灵敏度；
将训练数据集带入所构建的BP神经网络模型进行训练，使用训练好的BP神经网络进行数据预测；
以BP神经网络计算的数据为数据库，开发一致性查询软件，获取已知待查询的因素参数，将其输入一致性查询软件，输出满足一致性的其他因素参数的具体数值范围。
可选地，所述灵敏度计算模型具体为：
其中，S为自给能中子探测器的灵敏度,I为自给能中子探测器在中子束照射下产生的电流，为热中子通量的比值，Iβ指由β衰变产生的电流，Iγ指由γ光子反应产生的电流。
可选地，所述将所述因素参数带入所述灵敏度计算模型计算灵敏度，并基于计算结果构建训练数据集的步骤，具体包括：
将所述因素参数根据其各自的偏差范围，以不同的步长分别进行划分后，得到针对不同情况的多个参数组；
选择一定数量的参数组分别带入所述灵敏度计算模型计算灵敏度；
将参数组和计算得到的灵敏度一一对应组合，得到训练数据集。
可选地，所述BP神经网络还包括隐藏层，隐藏层个数为1，隐藏层的节点数的确定方法为：
通过对以下公式求最优解的方式进行节点数范围的确定：
m＝log2 n
其中，m为隐藏层节点数，n为输入层节点数，l为输出层节点数，α为1-10之间的常数。
可选地，所述隐藏层和输出层之间的激活函数采用Sigmoid函数，函数表达式为：
可选地，所述获取已知待查询的因素参数，将其输入一致性查询软件，输出满足一致性的其他因素参数的具体数值范围的步骤，具体还包括：
获取输入的一致性的精度选择条件；
基于所述精度选择条件，输出满足一致性的其他因素参数的具体数值范围的步骤。
本发明实施例的第二方面，提供了一种自给能中子探测器一致性控制装置，所述装置包括：
模型建立单元，用于基于蒙特卡洛方法建立自给能中子探测器的灵敏度计算模型；
参数获取单元，用于获取影响SPND一致性的因素参数，所述因素参数包括有发射体厚度、收集体厚度、绝缘体厚度、发射体长度以及绝缘体压实度；
数据构建单元，用于将所述因素参数带入所述灵敏度计算模型计算灵敏度，并基于计算结果构建训练数据集；
网络建立单元，用于建立BP神经网络，BP神经网络的输入层节点数为5，分别对应所述因素参数，输出层节点数为1，对应计算结果灵敏度；
模型训练单元，用于将训练数据集带入所构建的BP神经网络模型进行训练，使用训练好的BP神经网络进行数据预测；
参数查询单元，用于以BP神经网络计算的数据为数据库，开发一致性查询软件，获取已知待查询的因素参数，将其输入一致性查询软件，输出满足一致性的其他因素参数的具体数值范围。
本发明实施例的第三方面，提供了一种自给能中子探测器一致性控制系统，包括：
一个或多个处理器；存储器；一个或多个应用程序，其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个应用程序配置用于执行如第一方面所述的方法。
与现有方案相比，本发明具有如下优点和有效效果：
在考虑了影响一致性的因素的基础上，基于BP神经网络和MC模拟相结合的方法来研究自给能中子探测器的一致性，这种方法不仅能保证对计算灵敏度的准确性，并且还大大的提升了计算效率。通过对不同尺寸的发射体厚度、收集体厚度、绝缘体厚度、发射体长度、绝缘体密度合理搭配，可以将制造出的自给能中子探测器的一致性控制在一个很好的范围内，从而使其能够更好的应用于反应堆堆芯的中子通量检测中。
附图说明
图1为本发明实施例的自给能中子探测器的结构示意图；
图2为本发明实施例的自给能中子探测器一致性控制方法的方法流程图；
图3为本发明实施例的自给能中子探测器一致性控制方法的应用场景示意图；
图4为本发明实施例的自给能中子探测器一致性控制装置的功能模块框图。
附图标记：
模型建立单元110；参数获取单元120；数据构建单元130；网络建立单元140；模型训练单元150；参数查询单元160。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
在本发明的描述中，需要说明的是，术语“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
在本发明的描述中，还需要说明的是，除非另有明确的规定和限定，术语“设置”、“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
请参阅图1，为本发明一实施例提供的自给能中子探测器(SPND)，它具有体积小、结构简单，便于安装以及无需外部电源供电等特点，与传统的裂变电离室以及活化中子探测器相比，更适用于用来对堆芯中子通量进行监测。自给能中子探测器不需要外加电源便可进行中子探测，这主要取决于其结构设计，它主要由三部分构成：发射体、绝缘体、收集体，如图1所示。
SPND的工作原理为：中子与发射体发生核反应生成放射性核素，随后衰变放出光子或β电子，光子通过光电效应、康普顿效应以及电子对效应生成电子，电子经过绝缘体到达收集体，此时收集体由于电子的富集，变成阴极，而发射体由于电子被发射出去，形成电子空穴，正电荷富集，形成阳极，发射体与收集体之间形成电势差，便可产生电流，这种电流由导线传输，经过外部的放大处理便可形成中子通量信号，从而达到对反应堆中子通量监测的目的。自给能探测器的类型主要取决于发射体的材料种类，根据电流响应时间，可以分为瞬时响应和延迟响应。延迟响应的发射体材料主要有铑、钒、银等，瞬时响应的发射体材料主要有钴、铂等。延迟响应是因为发射体吸收中子之后生成了β放射性核素，其半衰期较长，在几十秒到几分钟之间，所以电流信号会有延迟；而瞬时响应则是发射体吸收中子生成伽马放射性核素，伽马光子瞬时放出，通过光电效应、康普顿效应以及电子对效应生成电子，形成瞬时电流。
而在实际的反应堆应用中，SPND都是4根或者6根组装成一个组件应用在堆芯中的，一个反应堆中可能会装配几十个这样的组件以此来完成对堆芯通量的测绘。装配在同一个堆芯中的探测器的一致性是保证堆芯通量测绘准确的关键因素，所以保证制造出的探测器的一致性就显得尤为重要。自给能中子探测器的一致性也就是其探测输出信号的一致性，而决定其输出信号的就是探测器的灵敏度。
下面将基于上述自给能中子探测器的结构，对本发明提供的自给能中子探测器一致性控制方法进行具体说明。
请参阅图2，为本发明一实施例提供的自给能中子探测器一致性控制方法，该方法包括：
步骤S101，基于蒙特卡洛方法建立自给能中子探测器的灵敏度计算模型。
蒙特卡洛模拟(Monte Carlo simulation)是一种基于随机抽样和统计分析的数值计算方法。它通常用于模拟复杂的系统或过程，通过随机抽样生成大量的模拟数据，并利用统计方法对这些数据进行分析和推断。
而基于蒙特卡洛方法对中子探测器的灵敏度进行计算，其主要问题在于仿真数据量大，耗时长。因此，在本专利的方案中，对于蒙特卡洛方法限于前期的数据处理过程中，以此来减少仿真模拟过程所使用的时间，提高效率。
作为具体的实施方式，可以采用蒙特卡洛程序Geant4构建自给能中子探测器的灵敏度计算模型，Geant4是一个基于蒙特卡洛方法的全球性高能物理实验模拟工具包。它由欧洲核子研究中心(CERN)开发，用于模拟和分析高能物理实验中的粒子相互作用、探测器性能和辐射效应等。Geant4被广泛应用于高能物理实验、空间物理研究、医学物理学、核能工程、安全检测等领域。它提供了丰富的物理过程模型和几何描述工具，可以对各种粒子与物质之间的相互作用进行详细的模拟。使用Geant4，用户可以通过编写C++代码来构建复杂的实验几何、定义粒子源、设置物理过程、模拟探测器响应等。Geant4还提供了可视化工具，可以直观地展示模拟结果，帮助用户理解和分析模拟数据。Geant4的优点包括高度的可扩展性和灵活性，用户可以根据具体需求定制模拟程序。同时，Geant4经过了长期的验证和验证，具有较高的可靠性和准确性。
具体地，灵敏度计算模型具体为：
其中，S为自给能中子探测器的灵敏度,I为自给能中子探测器在中子束照射下产生的电流，为热中子通量的比值，Iβ指由β衰变产生的电流，Iγ指由γ光子反应产生的电流。
使用Geant4构建灵敏度计算模型时，其中Geant4中子源的能量由实际反应堆中自给能中子探测器附近的中子能谱分布给出。由于绝缘体中存在晶格缺陷，电子在输运途中会有一部分的低能电子沉积在其中形成空间电场，所以在灵敏度的计算模型中，还需要添加空间电荷效应。Geant4中的电场强度与发射体半径，绝缘体半径以及绝缘体的材质特性有关，空间电场可以用泊松方程来求解：
作为优选的实施方式，在建立了灵敏度计算模型后，还需要对灵敏度计算模型的可靠性进行验证，具体地，可以将已知历史数据及灵敏度计算结果与通过灵敏度计算模型所计算的结果进行对比，判断是否在可接受的误差的合理范围内。其中，历史数据来源于前人的研究结果及实验数据。
假设发射体材料为铑，半径取0.254mm；绝缘体材料为Al2O3，半径取0.508mm；收集体材料为Inconel 600，半径取1.295mm；长度均取40cm。Geant4的灵敏度计算模型计算得到的灵敏度为1.28×10-21A/nv·cm，实验数据为1.2×10-21A/nv·cm，在误差的合理范围内，认为步骤一种建立的灵敏度计算模型可靠。
步骤S102，获取影响SPND一致性的因素参数，所述因素参数包括有发射体厚度、收集体厚度、绝缘体厚度、发射体长度以及绝缘体压实度。
在建立了灵敏度计算模型，并验证了可靠性之后，可以通过该模型计算不同尺寸的自给能中子探测器的灵敏度。影响SPND一致性的因素主要是在制造探测器过程中产生的制造偏差，主要有发射体厚度、收集体厚度、绝缘体厚度、发射体长度、以及绝缘体压实度(密度)。
步骤S103，将所述因素参数带入所述灵敏度计算模型计算灵敏度，并基于计算结果构建训练数据集。
作为本发明实施例的优选方式，步骤S103，具体包括：
将所述因素参数根据其各自的偏差范围，以不同的步长分别进行划分后，得到针对不同情况的多个参数组；
选择一定数量的参数组分别带入所述灵敏度计算模型计算灵敏度；
将参数组和计算得到的灵敏度一一对应组合，得到训练数据集。
一般来说，发射体半径的偏差为±0.005mm；绝缘体的厚度偏差为0.02mm，收集体厚度的偏差为±0.02mm，发射体长度为±1mm；绝缘体的密度为偏差±0.4g/cm3。
下面通过一个具体的例子来说明，假设以不同的步长将每个影响因素划分为11个点，则一共有115种不同的情况，分别对应115个参数组。可以分别针对这115种不同的情况进行计算，也可以挑选其中具有代表性的几种情况。以1024种为例，将这1024种情况的对应的参数组分别带入所述灵敏度计算模型计算灵敏度。计算得到的1024组灵敏度为训练数据集，在后续通过BP神经网络进行训练。
步骤S104，建立BP神经网络，BP神经网络的输入层节点数为5，分别对应所述因素参数，输出层节点数为1，对应计算结果灵敏度。
BP神经网络的建立，可以通过使用Python语言实现。
作为本发明实施例的优选方式，所述BP神经网络还包括隐藏层，隐藏层个数为1，隐藏层的节点数的确定方法为：
通过对以下公式求最优解的方式进行节点数范围的确定：
m＝log2 n
其中，m为隐藏层节点数，n为输入层节点数，l为输出层节点数，α为1-10之间的常数。
然后经过不断尝试最终得出最优解，隐藏层节点数的范围所在为[3,13]。作为优选的实施方式，通过不断测试，最终确定隐藏层的节点数为8。
所述隐藏层和输出层之间的激活函数采用Sigmoid函数，函数表达式为：
步骤S105，将训练数据集带入所构建的BP神经网络模型进行训练，使用训练好的BP神经网络进行数据预测。
将因素参数根据实际偏差以不同的步长划分，得到多个参数组，用于获取已知待查询的因素参数，将其输入到训练好的BP神经网络中，输出满足一致性的其他因素参数的具体范围。每个参数组对应的灵敏度，输入的参数组与输出的灵敏度——对应形成一个查询数据库。
具体地，先使用1024组数据完成对神经网络的训练后，在再对115种不同情况下的灵敏度进行预测，得到所有工况下探测器的灵敏度数据，用于构建整体的数据库。
步骤S106，以BP神经网络计算的数据为数据库，开发一致性查询软件，获取已知待查询的因素参数，将其输入一致性查询软件，输出满足一致性的其他因素参数的具体数值范围
基于所构建的数据库，就可以实现对任意条件下因素参数的预测了，针对输入的有一定数量的已知查询的因素参数，可以对应输出其他因素参数的具体数值范围。具体的实现方式，可以采用开发一致性查询软件的方式。
如图3所示，在具体实施时，可以使用Pyside2工具包开发对应的一致性查询软件，用来查询影响一致性的五个因素的数据范围。
作为本发明实施例的优选实施方式，获取输入的一致性的精度选择条件；
基于所述精度选择条件，输出满足一致性的其他因素参数的具体数值范围的步骤。
在实际的使用场景中，一致性的精度共有三个选择：1％、0.5％、0.1％，五个影响因素的选框内，不管输入任意的几个点，点击查询，都会给出剩余因素的数值范围。这款软件可以在制造公差的范围内，精确的查找给出发射体厚度、收集体厚度、绝缘体厚度、发射体长度、绝缘体密度等因素的具体数值范围。
综上，本实施例提供的自给能中子探测器一致性控制方法，在考虑了影响一致性的因素的基础上，基于BP神经网络和MC模拟相结合的方法来研究自给能中子探测器的一致性，这种方法不仅能保证对计算灵敏度的准确性，并且还大大的提升了计算效率。通过对不同尺寸的发射体厚度、收集体厚度、绝缘体厚度、发射体长度、绝缘体密度合理搭配，可以将制造出的自给能中子探测器的一致性控制在一个很好的范围内，从而使其能够更好的应用于反应堆堆芯的中子通量检测中。
如图4所示，本发明实施提供的自给能中子探测器一致性控制装置，所述装置包括：
模型建立单元110，用于基于蒙特卡洛方法建立自给能中子探测器的灵敏度计算模型；
参数获取单元120，用于获取影响SPND一致性的因素参数，所述因素参数包括有发射体厚度、收集体厚度、绝缘体厚度、发射体长度以及绝缘体压实度；
数据构建单元130，用于将所述因素参数带入所述灵敏度计算模型计算灵敏度，并基于计算结果构建训练数据集；
网络建立单元140，用于建立BP神经网络，BP神经网络的输入层节点数为5，分别对应所述因素参数，输出层节点数为1，对应计算结果灵敏度；
模型训练单元150，将训练数据集带入所构建的BP神经网络模型进行训练，使用训练好的BP神经网络进行数据预测；
参数查询单元160，用于以BP神经网络计算的数据为数据库，开发一致性查询软件，获取已知待查询的因素参数，将其输入一致性查询软件，输出满足一致性的其他因素参数的具体数值范围。
作为本发明实施例的优选实施方式，所述数据构建单元130，具体用于：
将所述因素参数根据其各自的偏差范围，以不同的步长分别进行划分后，得到针对不同情况的多个参数组；
选择一定数量的参数组分别带入所述灵敏度计算模型计算灵敏度；
将参数组和计算得到的灵敏度一一对应组合，得到训练数据集。
作为本发明实施例的优选实施方式，所述参数查询单元160，还用于：
获取输入的一致性的精度选择条件；
基于所述精度选择条件，输出满足一致性的其他因素参数的具体数值范围的步骤。
本发明实施例提供的自给能中子探测器一致性控制装置，用于实现上述自给能中子探测器一致性控制方法，因此具体实施方式与上述方法相同，在此不再赘述。
本发明实施例还提供了一种自给能中子探测器一致性控制系统，本申请中的电子设备可以包括一个或多个如下部件：处理器、存储器、以及一个或多个应用程序，其中一个或多个应用程序可以被存储在存储器中并被配置为由一个或多个处理器执行，一个或多个应用程序配置用于执行如前述方法实施例所描述的方法。
处理器可以包括一个或者多个处理核。处理器利用各种接口和线路连接整个电子设备内的各个部分，通过运行或执行存储在存储器内的指令、程序、代码集或指令集，以及调用存储在存储器内的数据，执行电子设备的各种功能和处理数据。可选地，处理器可以采用数字信号处理(Digital Signal Processing，DSP)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)、可编程逻辑阵列(Programmable Logic Array，PLA)中的至少一种硬件形式来实现。处理器可集成中央处理器(Central Processing Unit，CPU)、图像处理器(Graphics Processing Unit，GPU)和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作系统、用户界面和应用程序等；GPU用于负责显示内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器中，单独通过一块通信芯片进行实现。
存储器可以包括随机存储器(Random Access Memory，RAM)，也可以包括只读存储器(Read-Only Memory)。存储器可用于存储指令、程序、代码、代码集或指令集。存储器可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于实现至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现下述各个方法实施例的指令等。存储数据区还可以存储终端在使用中所创建的数据(比如电话本、音视频数据、聊天记录数据)等。
在本申请所公开的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (10)
1.一种自给能中子探测器一致性控制方法，其特征在于，所述方法包括：
基于蒙特卡洛方法建立自给能中子探测器的灵敏度计算模型；
获取影响SPND一致性的因素参数，所述因素参数包括有发射体厚度、收集体厚度、绝缘体厚度、发射体长度以及绝缘体压实度；
将所述因素参数带入所述灵敏度计算模型计算灵敏度，并基于计算结果构建训练数据集；
建立BP神经网络，BP神经网络的输入层节点数为5，分别对应所述因素参数，输出层节点数为1，对应计算结果灵敏度；
将训练数据集带入所构建的BP神经网络模型进行训练，使用训练好的BP神经网络进行数据预测；
以BP神经网络计算的数据为数据库，开发一致性查询软件，获取已知待查询的因素参数，将其输入一致性查询软件，输出满足一致性的其他因素参数的具体数值范围。
2.根据权利要求1所述的自给能中子探测器一致性控制方法，其特征在于，所述灵敏度计算模型具体为：
其中，S为自给能中子探测器的灵敏度,I为自给能中子探测器在中子束照射下产生的电流，为热中子通量的比值，Iβ指由β衰变产生的电流，Iγ指由γ光子反应产生的电流。
3.根据权利要求1所述的自给能中子探测器一致性控制方法，其特征在于，所述将所述因素参数带入所述灵敏度计算模型计算灵敏度，并基于计算结果构建训练数据集的步骤，具体包括：
将所述因素参数根据其各自的偏差范围，以不同的步长分别进行划分后，得到针对不同情况的多个参数组；
选择一定数量的参数组分别带入所述灵敏度计算模型计算灵敏度；
将参数组和计算得到的灵敏度一一对应组合，得到训练数据集。
4.根据权利要求3所述的自给能中子探测器一致性控制方法，其特征在于，所述BP神经网络还包括隐藏层，隐藏层个数为1，隐藏层的节点数的确定方法为：
通过对以下公式求最优解的方式进行节点数范围的确定：
m＝log2 n
其中，m为隐藏层节点数，n为输入层节点数，l为输出层节点数，α为1-10之间的常数。
5.根据权利要求4所述的自给能中子探测器一致性控制方法，其特征在于，所述隐藏层和输出层之间的激活函数采用Sigmoid函数，函数表达式为：
6.根据权利要求1所述的自给能中子探测器一致性控制方法，其特征在于，所述获取已知待查询的因素参数，将其输入一致性查询软件，输出满足一致性的其他因素参数的具体数值范围的步骤，具体还包括：
获取输入的一致性的精度选择条件；
基于所述精度选择条件，输出满足一致性的其他因素参数的具体数值范围的步骤。
7.一种自给能中子探测器一致性控制装置，其特征在于，所述装置包括：
模型建立单元，用于基于蒙特卡洛方法建立自给能中子探测器的灵敏度计算模型；
参数获取单元，用于获取影响SPND一致性的因素参数，所述因素参数包括有发射体厚度、收集体厚度、绝缘体厚度、发射体长度以及绝缘体压实度；
数据构建单元，用于将所述因素参数带入所述灵敏度计算模型计算灵敏度，并基于计算结果构建训练数据集；
网络建立单元，用于建立BP神经网络，BP神经网络的输入层节点数为5，分别对应所述因素参数，输出层节点数为1，对应计算结果灵敏度；
模型训练单元，用于将训练数据集带入所构建的BP神经网络模型进行训练，使用训练好的BP神经网络进行数据预测；
参数查询单元，用于以BP神经网络计算的数据为数据库，开发一致性查询软件，获取已知待查询的因素参数，将其输入一致性查询软件，输出满足一致性的其他因素参数的具体数值范围。
8.根据权利要求7所述的自给能中子探测器一致性控制装置，其特征在于，所述数据构建单元，具体用于：
将所述因素参数根据其各自的偏差范围，以不同的步长分别进行划分后，得到针对不同情况的多个参数组；
选择一定数量的参数组分别带入所述灵敏度计算模型计算灵敏度；
将参数组和计算得到的灵敏度一一对应组合，得到训练数据集。
9.根据权利要求8所述的自给能中子探测器一致性控制装置，其特征在于，所述参数查询单元，还用于：
获取输入的一致性的精度选择条件；
基于所述精度选择条件，输出满足一致性的其他因素参数的具体数值范围的步骤。
10.一种自给能中子探测器一致性控制系统，其特征在于，包括：
一个或多个处理器；存储器；一个或多个应用程序，其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个应用程序配置用于执行如权利要求1-6任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311677007.2A CN117672570A (zh) | 2023-12-08 | 2023-12-08 | 一种自给能中子探测器一致性控制方法、装置及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311677007.2A CN117672570A (zh) | 2023-12-08 | 2023-12-08 | 一种自给能中子探测器一致性控制方法、装置及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117672570A true CN117672570A (zh) | 2024-03-08 |
Family
ID=90069427
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311677007.2A Pending CN117672570A (zh) | 2023-12-08 | 2023-12-08 | 一种自给能中子探测器一致性控制方法、装置及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117672570A (zh) |
-
2023
- 2023-12-08 CN CN202311677007.2A patent/CN117672570A/zh active Pending
Similar Documents
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |