王孝強(qiáng) 庹先國(guó) 吳雪梅 李 哲
1(成都理工大學(xué)核技術(shù)與自動(dòng)化工程學(xué)院 成都 610059)
2(中核四川環(huán)保工程有限公司 廣元 610006)
3(西南科技大學(xué)核廢物與環(huán)境安全國(guó)防重點(diǎn)學(xué)科實(shí)驗(yàn)室 綿陽(yáng) 621010)
4(地質(zhì)災(zāi)害防治與地質(zhì)環(huán)境保護(hù)國(guó)家重點(diǎn)實(shí)驗(yàn)室 成都 610059)
核設(shè)施退役過(guò)程中涉及大量核素為α輻射體,同時(shí)α粒子受到射程短和穿透力弱限制,長(zhǎng)距離α測(cè)量(Long range alpha detector,LRAD)技術(shù)被提出,并初步應(yīng)用于現(xiàn)場(chǎng)污染管道的定性測(cè)量[1,2]。該技術(shù)采用間接探測(cè)由污染核素衰變?chǔ)亮W赢a(chǎn)生的電離離子,實(shí)現(xiàn)對(duì)核素α活度的間接探測(cè)。相比傳統(tǒng)測(cè)量方法,可有效克服α粒子本身射程和穿透力的限制,同時(shí)提高探測(cè)效率。
實(shí)際用該技術(shù)測(cè)量管道內(nèi)α活度時(shí),風(fēng)速(風(fēng)量)、測(cè)量距離及被測(cè)管道幾何特征等參數(shù)變化會(huì)嚴(yán)重影響管道內(nèi)離子的收集,從而影響分析準(zhǔn)確度[3,4]。針對(duì)測(cè)量準(zhǔn)確度問(wèn)題,TUO Xianguo 等[5?7]分別開(kāi)展以前性能優(yōu)化研究,研制出多種基于LRAD技術(shù)的探測(cè)效率高、穩(wěn)定性好的電流電離室,對(duì)系統(tǒng)測(cè)量準(zhǔn)確度的提高有重要意義。針對(duì)外在影響因素,穆克亮等[8,9]開(kāi)展了多參數(shù)影響研究,應(yīng)用多種數(shù)學(xué)算法展開(kāi)。
同時(shí),針對(duì)封閉式測(cè)量應(yīng)用于現(xiàn)場(chǎng)測(cè)量的不方便問(wèn)題[10],采用將標(biāo)準(zhǔn)源置于碳鋼鋼管內(nèi)、自主研制的LRAD測(cè)量系統(tǒng),將探測(cè)器直接對(duì)準(zhǔn)測(cè)試管道,開(kāi)展管道內(nèi)LRAD測(cè)量多參數(shù)影響特征實(shí)驗(yàn),分析并查明影響系統(tǒng)探測(cè)效率的特征因子。針對(duì)系統(tǒng)輸入輸出的非線性關(guān)系,采用BP網(wǎng)絡(luò)對(duì)系統(tǒng)測(cè)得的電離電流值進(jìn)行非線性預(yù)測(cè)。
實(shí)驗(yàn)采用自主研制的便攜式α表面污染報(bào)警儀[7],由探測(cè)部分和二次儀表構(gòu)成,系統(tǒng)測(cè)量框圖及探測(cè)部分如圖1,探測(cè)部分主要為測(cè)試外管(5種不同管徑的碳鋼鋼管)、引氣內(nèi)管(鋁合金、f 40 mm、L 0.2 m)[11]、風(fēng)扇(PMD2408PMB1-A(DC24V≈9.6 W))及電流電離室(偏壓200 V)等,二次儀表主要包括風(fēng)扇驅(qū)動(dòng)單元、高壓調(diào)節(jié)單元、信號(hào)檢測(cè)單元和單片控制及處理系統(tǒng),能在常溫下工作[12]。
分別選取強(qiáng)度為523.33和3200 Bq的239Pu α面源,將探測(cè)器直接置于被測(cè)管道內(nèi)壁底端,保持內(nèi)外管同軸放置,管口相接測(cè)量,相較于封閉式測(cè)量更具便攜性。
圖1 系統(tǒng)框圖(a)及探測(cè)部分(b)Fig.1 System block diagram (a) and detection part (b).
為便于對(duì)多種影響因素分析比較,需對(duì)結(jié)果進(jìn)行歸一化處理,計(jì)算公式為:
數(shù)據(jù)歸一化后,再按不同特征進(jìn)行相應(yīng)處理。
如圖 2,LRAD系統(tǒng)通過(guò)測(cè)量由風(fēng)扇驅(qū)動(dòng)的 α粒子電離空氣分子產(chǎn)生的離子對(duì)進(jìn)而間接測(cè)量α粒子放射性活度[5?11],其優(yōu)點(diǎn)是被測(cè)離子對(duì)在數(shù)量和傳輸速度上均遠(yuǎn)優(yōu)于α粒子本身。
圖2 LRAD測(cè)量管道內(nèi)α活度基本原理Fig.2 Basic principle of LRAD.
儀器測(cè)量結(jié)果與被測(cè)對(duì)象實(shí)際值之間保持一一對(duì)應(yīng)關(guān)系對(duì)實(shí)現(xiàn)其使用價(jià)值至關(guān)重要。如圖1、2,LRAD系統(tǒng)為通風(fēng)裝置,測(cè)量過(guò)程中易受多種條件干擾,使系統(tǒng)難以實(shí)現(xiàn)此對(duì)應(yīng)關(guān)系。經(jīng)前期研究,找出源強(qiáng)、管道中放射源與探測(cè)器距離、風(fēng)速、流量、管徑、管長(zhǎng)等LRAD系統(tǒng)測(cè)量關(guān)鍵影響因子。但目前還無(wú)法通過(guò)人為操作或提高儀器性能以同時(shí)消除或減少這些因素的影響。
BP神經(jīng)網(wǎng)絡(luò)(Back Propagation Neural Networks)是由非線性變換單元組成的前饋網(wǎng)絡(luò),是非線性系統(tǒng)建模、仿真和預(yù)測(cè)的主要工具。針對(duì)LRAD系統(tǒng)測(cè)量中非線性參數(shù)影響,可將關(guān)鍵影響因子納入放射源實(shí)際活度與儀器測(cè)量值關(guān)系模型中,根據(jù)已知數(shù)據(jù)應(yīng)用BP網(wǎng)絡(luò)建立關(guān)鍵影響因素與系統(tǒng)測(cè)量值的數(shù)學(xué)模型,可虛構(gòu)為y = f(x1, x2, x3, x4, x5, x6),(xi為前述包括活度的因變量,i=1…6)。其模型精度高、誤差小,可實(shí)現(xiàn)LRAD系統(tǒng)測(cè)量的非線性校正。
圖3 BP神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)Fig.3 Structure of BP neural network.
如圖3,BP網(wǎng)絡(luò)是一種有三層或三層以上神經(jīng)元的神經(jīng)網(wǎng)絡(luò),包括輸入層、中間層(隱層)和輸出層[9,10,13,14]。BP網(wǎng)絡(luò)映射測(cè)量系統(tǒng)中關(guān)鍵參數(shù)與測(cè)量結(jié)果之間的非線性關(guān)系,以影響系統(tǒng)輸出的關(guān)鍵影響因子為輸入樣本,各樣本條件下的電離電流作為輸出樣本,用梯度下降法等調(diào)整網(wǎng)絡(luò)的連接權(quán)和閾值,選定網(wǎng)絡(luò)訓(xùn)練模式,重復(fù)前向傳播和誤差反向傳播過(guò)程,實(shí)現(xiàn)管道內(nèi)α活度預(yù)測(cè)。
實(shí)驗(yàn)將6種關(guān)鍵影響因子作為研究對(duì)象,應(yīng)用控制變量法(測(cè)量時(shí)間定為 2 min)單獨(dú)觀察每一個(gè)因素對(duì)系統(tǒng)測(cè)量造成的影響,每種條件重復(fù) 10次測(cè)量,求得平均值為該實(shí)驗(yàn)有效值。此處重點(diǎn)分析距離、風(fēng)速、測(cè)試管管徑和管長(zhǎng)影響。為對(duì)比觀察兩種活度的放射源(523.33和3200 Bq)影響特征,分析時(shí)已作歸一化處理。
以58 mm管徑的測(cè)試管為例,選定風(fēng)速為0.91 m/s,分別將強(qiáng)度為523.33和3200 Bq的239Pu α源置于測(cè)試管內(nèi)不同距離處,測(cè)量得到距離對(duì)系統(tǒng)的響應(yīng)特征及其誤差如圖4。
圖4 距離影響特征Fig.4 Distance influence characteristic.
由圖4可見(jiàn),整體結(jié)果均隨距離增加而減小,用簡(jiǎn)單的線性擬合,擬合相關(guān)系數(shù)分別為?0.97807(523.33 Bq)和?0.96883 (3200 Bq),認(rèn)為距離對(duì)系統(tǒng)輸出呈良好的線性影響關(guān)系。分析認(rèn)為,當(dāng)放射源置于測(cè)試管內(nèi)不同位置,恒定氣流驅(qū)動(dòng)下,距離增大,增加了離子對(duì)傳輸時(shí)間和碰撞幾率,超出復(fù)合時(shí)間即發(fā)生復(fù)合,從而導(dǎo)致系統(tǒng)探測(cè)效率降低。
由于風(fēng)速與流量影響特征一致,此處僅分析風(fēng)速影響特征。選定風(fēng)速變化范圍為0?1.5 m/s,用兩種不同強(qiáng)度的239Pu α源對(duì)58 mm測(cè)試管進(jìn)行測(cè)量,距離選定為與電離室信號(hào)柵極相隔130 cm,測(cè)量得其特征及其誤差如圖5。
圖5 風(fēng)速影響特征Fig.5 Velocity influence characteristic.
分析圖5可知,239Pu α源對(duì)系統(tǒng)響應(yīng)隨風(fēng)速增加近似成指數(shù)規(guī)律增大,風(fēng)速較低的部分,電流隨風(fēng)速近似線性增加,3200 Bq的α源表現(xiàn)更明顯。原因在于:隨風(fēng)速增加,離子在管道中的運(yùn)輸時(shí)間減小,且逐漸接近離子復(fù)合時(shí)間,能在復(fù)合時(shí)間內(nèi)到達(dá)極板的離子數(shù)增加,電離電流則越大,當(dāng)大部分電離離子運(yùn)動(dòng)時(shí)間小于復(fù)合時(shí)間時(shí),電離電流趨于最大值,并出現(xiàn)平臺(tái)曲線。523.33 Bq α源平臺(tái)曲線趨勢(shì)較明顯,3200 Bq α源發(fā)射的α粒子在測(cè)試管中有較大離子密度,隨風(fēng)速增大而緩慢增長(zhǎng)。
為明確管徑對(duì)系統(tǒng)測(cè)量造成的影響特征,選取5種管徑范圍為43?84 mm,管長(zhǎng)170 cm,選定風(fēng)速0.91 m/s(距離探測(cè)器30 cm處),得到管徑對(duì)系統(tǒng)的響應(yīng)特征及其誤差如圖6。
圖6 測(cè)試管管徑影響特征Fig.6 Pipe diameter influence characteristic.
圖6顯示,管徑對(duì)系統(tǒng)測(cè)量影響表現(xiàn)出拋物線趨勢(shì)。其中,58 mm管徑對(duì)系統(tǒng)的輸出響應(yīng)值最大。分析認(rèn)為,由于管道內(nèi)有特定的弧形結(jié)構(gòu),放射面源與底端存在一定距離。經(jīng)計(jì)算,58 mm管徑下,放射源距底端~7 mm,測(cè)試管與內(nèi)管(43 mm)同軸放置時(shí),239Pu α源剛好置于內(nèi)管底端平行處(有最佳氣流)。因此,源發(fā)射的 α粒子能在空氣中充分電離并快速遷移至電離室。因此,58 mm管徑的測(cè)試管對(duì)系統(tǒng)有最佳響應(yīng),說(shuō)明系統(tǒng)探測(cè)效率與放射源和引氣內(nèi)管截面的位置有關(guān)。
管長(zhǎng)的多樣性會(huì)導(dǎo)致在相同流速下管道內(nèi)空氣壓力差異,進(jìn)而影響電離離子在管中的輸運(yùn)。實(shí)驗(yàn)選定固定條件:風(fēng)速0.91 m/s,管徑58 mm,位置10 cm,以20 cm為單位改變管長(zhǎng),以查明管長(zhǎng)對(duì)系統(tǒng)的響應(yīng)情況,其影響特征及其誤差如圖7。
圖7 測(cè)試管管長(zhǎng)影響特征Fig.7 Pipe length influence characteristic.
圖7 顯示,其他因素不變情況下,管長(zhǎng)在80?100 cm時(shí),系統(tǒng)有最佳響應(yīng)值。究其原因,管長(zhǎng)較長(zhǎng)時(shí)(>120 cm),源發(fā)射的α粒子電離離子數(shù)與80?100 cm時(shí)相同,但因管內(nèi)壓力差異延長(zhǎng)了氣流到達(dá)放射源的時(shí)間,管壁復(fù)合效應(yīng)明顯,系統(tǒng)收集離子的數(shù)目減少。同時(shí),管長(zhǎng)過(guò)短,管內(nèi)壓力過(guò)大,攜帶離子的部分氣流直接穿過(guò)信號(hào)柵極而不被探測(cè)器收集,80?100 cm管長(zhǎng)呈現(xiàn)最佳探測(cè)效率。另外,此種條件下誤差其他條件突出,可能由于管長(zhǎng)變化頻繁操作不能保持測(cè)量條件一致造成,可在操作程序上改進(jìn)。
試驗(yàn)表明,LRAD敞開(kāi)式測(cè)量管道內(nèi)表面α污染活度有良好探測(cè)效率。影響特征為:距離對(duì)系統(tǒng)探測(cè)效率影響呈線性規(guī)律,管徑和管長(zhǎng)呈多項(xiàng)式規(guī)律變化,而風(fēng)速和空氣流量呈指數(shù)規(guī)律變化??梢?jiàn),管道內(nèi)LRAD測(cè)量系統(tǒng)的非線性因素確實(shí)存在且形式多樣,如何校正這些影響因素成為后期工作難點(diǎn)。
BP網(wǎng)絡(luò)能學(xué)習(xí)和存貯大量的輸入-輸出模式映射關(guān)系,而無(wú)需事前揭示描述這種映射關(guān)系的數(shù)學(xué)方程。針對(duì)實(shí)驗(yàn)中多種影響因素對(duì)系統(tǒng)測(cè)量造成的多種非線性影響,首先找出各種影響因子并數(shù)值化,應(yīng)用BP網(wǎng)絡(luò)可進(jìn)行輸入輸出映射(該映射類似黑匣子),建立影響因素下測(cè)量值與實(shí)際活度的一一對(duì)應(yīng)關(guān)系。在此基礎(chǔ)上,實(shí)現(xiàn)影響因素下的系統(tǒng)測(cè)量預(yù)測(cè)。
由分析知,影響系統(tǒng)測(cè)量值大小因素為測(cè)試管管徑(mm)、測(cè)試管管長(zhǎng)(cm)、源至電離室的距離(cm)、風(fēng)速(m/s)、空氣流量及放射源自身活度(Bq)。由此建立以6個(gè)因素為輸入變量,系統(tǒng)測(cè)量的電離電壓值(mV)為輸出變量的BP神經(jīng)網(wǎng)絡(luò)。該BP網(wǎng)絡(luò)的預(yù)測(cè)用matlab2010軟件自帶BP網(wǎng)絡(luò)工具箱實(shí)現(xiàn)。
根據(jù)LRAD系統(tǒng)實(shí)際條件,建立三層BP網(wǎng)絡(luò),輸入節(jié)點(diǎn)為6,輸出節(jié)點(diǎn)為1,隱層節(jié)點(diǎn)個(gè)數(shù)為6。經(jīng)反復(fù)調(diào)試和比較,確定隱層函數(shù)為 tansig,輸出函數(shù)為 purelin,精度選為 1×10?5,訓(xùn)練步數(shù)為 1000。同時(shí),網(wǎng)絡(luò)采用梯度下降traingdx方式克服BP網(wǎng)絡(luò)易陷入局部極小缺陷,并可加快收斂速率。
實(shí)驗(yàn)總共獲取 352組包括影響因素的量化數(shù)據(jù),確定訓(xùn)練樣本總數(shù)為330個(gè),預(yù)測(cè)樣本總數(shù)22個(gè),得到預(yù)測(cè)結(jié)果如表1。
網(wǎng)絡(luò)是否可信,重要一點(diǎn)在于泛化能力,泛化能力又表現(xiàn)在預(yù)測(cè)結(jié)果的準(zhǔn)確度上。由表1可知,模型擬合值與測(cè)量值之間誤差最小值為0.129%,最大值為8.057%,平均值為2.85%,大部分?jǐn)?shù)據(jù)預(yù)測(cè)相對(duì)百分誤差在 5%以內(nèi)。表明該網(wǎng)絡(luò)有較強(qiáng)的泛化能力和容錯(cuò)能力,對(duì)LRAD分析結(jié)果預(yù)測(cè)有較好的準(zhǔn)確度,基本克服了系統(tǒng)非線性的影響,實(shí)現(xiàn)了對(duì)管道內(nèi)LRAD測(cè)量的綜合非線性預(yù)測(cè)。
表1 BP網(wǎng)絡(luò)預(yù)測(cè)結(jié)果Table 1 Results of BP neural network forecasting.
以LRAD技術(shù)測(cè)量管道內(nèi)表面污染的基礎(chǔ)理論為出發(fā)點(diǎn),研究了多個(gè)參數(shù)對(duì)管道內(nèi)LRAD測(cè)量的影響特征,針對(duì)輸入與輸出的非線性關(guān)系,應(yīng)用BP神經(jīng)網(wǎng)絡(luò)對(duì)管道內(nèi)LRAD所測(cè)電離電壓值進(jìn)行非線性預(yù)測(cè),成果如下:
(1) LRAD敞開(kāi)式測(cè)量管道內(nèi)表面α污染活度有較好探測(cè)效率,對(duì)現(xiàn)場(chǎng)測(cè)量有重要意義。
(2) 以兩種強(qiáng)度的239Pu α源和6種管徑的測(cè)試鋼管為研究對(duì)象,重點(diǎn)開(kāi)展管道內(nèi)LRAD測(cè)量關(guān)鍵參數(shù)的影響特征實(shí)驗(yàn),得出影響因素對(duì)系統(tǒng)的影響特征為:距離對(duì)系統(tǒng)探測(cè)效率呈線性趨勢(shì)變化,管徑和管長(zhǎng)呈多項(xiàng)式規(guī)律變化,風(fēng)速和空氣流量呈指數(shù)規(guī)律變化。
(3) 被測(cè)管道幾何特征和風(fēng)速等參數(shù)變化影響管道內(nèi)離子收集,給LRAD分析準(zhǔn)確性帶來(lái)難度,BP神經(jīng)網(wǎng)絡(luò)技術(shù)在解決實(shí)際LRAD分析問(wèn)題中體現(xiàn)的特點(diǎn)逐漸凸顯,可用于多參數(shù)影響下系統(tǒng)的非線性預(yù)測(cè)。然而針對(duì)參數(shù)表現(xiàn)出特定特征的數(shù)據(jù),仍需對(duì)該方法提出改進(jìn),得到更有意義的結(jié)果。
1 MacArthur D W, Allander K S, Bounds J A, et al. Small long-range alpha detector (LRAD) with computer readout[J]. Los Alamos National Laboratory LA-12199-MS,1991: 10
2 Johnson J D, Allander K S, Bounds J A, et al. Long-range alpha detector sample monitoring[J]. Nucl Instr and Meth A, 1994, 353: 486?488
3 Rojas S P, Rawool-Sullivan M W, Williams K G, et al.Alpha characterization inside pipes using ion-transport technology[J]. Waste Management '95 Conference Tucson LA-UR-95-174. 1995: 03
4 Whitley C R, Adams J R, Bounds J A, et al. Airborne radioactive contamination monitoring[J]. New Mexico Conference on the Environment LA-UR-96-578, 1996. 03
5 TUO Xianguo, LI Zhe, MU Keliang, et al. Alpha contamination monitoring instrument based on LRAD technique for complex surface monitoring[J]. Journal of Nuclear Science and Technology, 2008, (Supp): 282?285
6 韓景泉. 離子收集式 α探測(cè)器[J]. 原子能科學(xué)技術(shù),1998, 32(6): 503?509 HAN Jingquan. Long-range Alpha Detector[J]. Atomic Energy Science and Technology, 1998, 32(6): 503?509
7 庹先國(guó), 曾 旖, 楊雪梅, 等. 國(guó)家發(fā)明專利: α表面污染測(cè)量?jī)x[P], ZL 2006 10020183.9, 2006. 08 TUO Xianguo, ZENG Yi, YANG Xuemei, et al. China Patent: α surface contamination detector[P], ZL 2006 10020183.9, 2006. 08
8 穆克亮. LRAD測(cè)量系統(tǒng)開(kāi)發(fā)及關(guān)鍵因素特征研究[D].成都理工大學(xué), 2010. 7 MU Keliang. Develop of LRAD Measure System and Influence Characteristic Research of Key Parameters[D].Chengdu University of Technology, 2010. 7
9 黃連美. 管道內(nèi)LRAD測(cè)量關(guān)鍵參數(shù)試驗(yàn)與PLS-BP網(wǎng)絡(luò)校正技術(shù)研究[D]. 成都理工大學(xué), 2011. 7 HUANG Lianmei. Research on Key-parameter Experiments and PLS-BP Correction Approach: LRAD Measurements Inside Pipes[D]. Chengdu University of Technology, 2011. 7
10 吳雪梅, 庹先國(guó), 李 哲, 等. LRAD測(cè)量管道內(nèi)α污染活度的BP網(wǎng)絡(luò)模擬[J]. 核技術(shù), 2012, 35(5): 369?374 WU Xuemei, TUO Xianguo, LI Zhe, et al. Application of BP neural network for LRAD-based alpha contamination monitoring inside pipes[J]. Nuclear Techniques, 2012,35(5): 369?374
11 付軍. 長(zhǎng)距離 α污染測(cè)量?jī)x的研制[D]. 成都理工大學(xué),2008 FU Jun. Research on long rang alpha contamination instrument[D]. Chengdu University of Technology, 2008
12 楊翊方, 王月興, 王海軍, 等. 高濕度對(duì)表面 α活度測(cè)量影響的研究[J]. 核電子學(xué)與探測(cè)技術(shù), 2009, (3):0658?0660 YANG Yifang, WANG Yuexing, WANG Haijun, et al.Research on the effect of high humidity on the measuring of surface α activity[J]. Nuclear Electronics & Detection Technology, 2009, (03): 0658?0660
13 焦李成. 神經(jīng)網(wǎng)絡(luò)系統(tǒng)理論[M]. 西安: 西安電子科技大學(xué)出版社, 1999. 125?186 JIAO Licheng. Neural network system theory[M]. Xi’an:Xi'an Electronic Science & Technology University Press,1999. 125?186
14 李哲, 庹先國(guó), 穆克亮, 等. 礦樣中鈦鐵 EDXRF分析的基體效應(yīng)和神經(jīng)網(wǎng)絡(luò)校正研究[J]. 核技術(shù), 2009,32(1): 35?40 LI Zhe, TUO Xianguo, MU Keliang, et al. Matrix effect and ANN correcting technique in EDXRF analysis of Ti and Fe in core samples[J]. Nuclear Techniques, 2009,32(1): 35?40