摘要:中高能区中完全运动学测量是研究丰中子奇异核结构与性质的常用实验方法。反符合(Veto)探测器是CSR-RIBLLII(Cooling Storage Ring - Radioactive Ion Beam Line in Lanzhou)外靶实验终端(External Target Facility,ETF)开展丰中子测量的关键设备之一,其功能是消除带电粒子干扰以提高丰中子的有效事例数。然而,原有的Veto探测器存在探测效率低、均匀性差等缺点,可能导致实验与理论计算结果出现偏差。为了解决原有探测器的问题,设计了一种新的Veto探测器单元构型,即采用在Veto探测器单元中嵌入波长位移转换光纤(Wave Length Shifter Fiber,WLS),并使用硅光电倍增管(Silicon Photomultiplier,SiPM)读出的方案。搭建了专门的测试平台并对新型Veto探测器单元进行细致研究,其关键性能参数反符合效率可大于99.9%,相比于原有的Veto探测器提升了22.74%。这一研究结果为CSR-RIBLLII外靶实验终端提供了有效的升级方案,为下一步丰中子奇异核的实验研究奠定了良好的基础。
摘要:金刚石材料具有优异的耐高温、抗辐照性能,用其制作的辐照探测器在反应堆等苛刻环境下具有很好的应用前景。在分析金刚石中子探测器的结构和工作原理的基础上,使用MCNP(Monte Carlo N Particle Transport Code)模拟程序构建了金刚石中子探测器的物理模型,考虑探测器用于2 MWt液态燃料钍基熔盐试验堆(Thorium Molten Salt experimental Reactor-Liquid Fueled,TMSR-LF1)辐射场中,计算中子转换层(6LiF、10B)厚度、金刚石厚度、γ甄别阈值对探测器的中子探测效率、γ探测效率以及n/γ抑制比的影响。结果表明:6LiF更适合在中子、γ混合场中用作中子转换层;随着6LiF厚度增加,中子探测效率先增大后减小,6LiF的最优厚度为25 μm;金刚石厚度增大会导致探测器的n/γ甄别性能下降,可以采用设置γ甄别阈值的方法解决金刚石层过厚时带来的γ干扰过大的问题,使探测器达到对γ不灵敏的要求。模拟研究工作获得了探测器结构参数对探测器性能的影响规律,对探测器后续的制作和研究具有指导意义。
摘要:在X荧光光谱分析中,为了解决传统谱分析方法中存在的特征峰计数率损失以及影子峰的问题,本文拟采用一种基于深度学习的长短期记忆(Long and Short Term Memory,LSTM)神经网络模型,该模型对核脉冲幅度时间序列具有较好的适用性,通过对样本的学习能够对核脉冲信号的幅度进行准确估计。鉴于核脉冲信号样本较大,模型训练效率低,特引入卷积神经网络(Convolutional Neural Network,CNN),利用其特有的卷积核结构逐层提取样本特征,能够有效减少样本数量,降低模型训练复杂度。使用粉末铁矿样品测量得到的一系列离线核脉冲序列产生模型训练所需的数据集,该数据集的64 000个条目中,44 800个用作训练集,12 800个用作验证集,余下6 400个用作测试集。实验结果表明:训练好的CNN-LSTM模型能够极大地节省训练时间,克服传统方法局部收敛的缺陷,也能够对不同程度畸变的输入脉冲进行准确的参数估计,在训练集和验证集上得到的准确率都高于99%。进一步分析计数修复结果,得到三个影子峰校正比例的平均值为91.52%,表明训练的CNN-LSTM模型对畸变脉冲产生的计数损失的校正比例约为91.52%。该模型能够有效校正因畸变脉冲幅度损失造成的影子峰,改善X射线荧光光谱中特征峰计数率精度,在X射线荧光光谱领域具有较高的应用价值。
摘要:在压水堆冷却剂丧失事故(Loss-of Coolant Accident,LOCA)中,处于高温条件下的燃料棒由于棒内压力过高,可能导致包壳发生鼓胀。包壳形变会造成堆芯局部流道堵塞,进而影响失水事故再淹没阶段的堆芯换热。然而,大多数系统分析程序都是基于假设的流道堵塞率来模拟事故进程,导致模拟结果与实际情况不符合。本文将已开发的燃料棒热-力行为分析模块(Fuel Rod Thermal-Mechanical Behavior,FRTMB)集成在自主开发的严重事故分析程序ISAA(Integrated Severe Accident Analysis Code)中,通过改进已有的流道堵塞模型,使其能够模拟由于燃料棒形变导致的冷却剂流量变化。最后,使用ISAA-FRTMB模拟QUENCH-LOCA-0实验,通过对比包壳峰值温度,验证改进的流道堵塞模型的正确性和有效性,并在此基础上研究包壳形变对堆芯换热以及后续事故进程的影响。