基于Elman神经网络的252Cf源核系统随机中子脉冲信号识别方法

针对252Cf自发裂变中子源构成的核信息系统,以实际所测随机中子脉冲数据的自相关函数为研究对象,借助仿真实验, 利用Elman神经网络对不同质量核材料进行识别。在实测数据的基础上,通过叠加随机抖动,模拟产生了不同质量核材料的相关函数样本,并将其用于神经网络的训练与测试,实验结果表明,训练过的Elman神经网络能够较好地识别相关函数的特征,分辨不同质量的核材料,平均识别率达到85%,综合平均误差为0.04,且具有较高的鲁棒性。     

利用自相关函数与平稳小波变换的252Cf源驱动核材料质量识别方法

 以²⁵²Cf中子源驱动噪声分析测量法为依据,利用中子脉冲信号自相关函数与被测核材料(²⁵²U)质量的关系,设计了一种基于神经网络的核材料质量识别方法,探索借助时域特征进行质量识别的有效性。利用平稳小波变换抑制中子统计涨落对自相关函数带来的影响,利用分布式Elman神经网络对不同质量核材料的自相关函数样本进行训练和识别,并研究了有限样本前提下不同子网个数对最终识别结果所造成的影响。对4种核材料质量共计120组样本进行的实验,结果表明：在理想实验条件下,平稳小波变换抑制了统计涨落对信号自相关函数的影响;分布式Elman神经网络能够较好地识别自相关函数的特征,分辨不同质量的核材料,平均识别误差小于0.1。     

252Cf三分裂变的中子和γ发射反常现象

用一个4参数实验研究了²⁵²Cf自发三分裂变的中子和γ发射与轻带电粒子(α、t、d、p)能量间的关联. 结果表明,对低能轻带电粒子伴随裂变观察到了正关联,对高能轻带电粒子观察到的是负关联. 在模型计算基础上定性地讨论了这个称为反常发射的正关联现象.     

基于LabVIEW的252Cf中子源频谱分析

 从²⁵²Cf中子源频谱测量系统的基本原理出发,针对中子脉冲序列本身“0,1”数据结构的特点,设计了自、互相关快速算法。采用LabVIEW多核处理器、多线程编程技术构建了基于LabVIEW的²⁵²Cf中子源频谱分析系统,不仅获得了自、互相关的快速计算结果,而且获得了自、互功率谱及谱密度比。研究结果表明：基于LabVIEW分析工具,既提升了自、互相关算法代码25%~35%的执行效率,又验证了LabVIEW用于进行频谱系统分析的可行性。     

252Cf源驱动功率谱密度法测量系统

介绍了252Cf源驱动功率谱密度法测量原理,采用硬件和软件相结合的方式构建实现了一种实际的测量系统和研究平台,以服务于反应堆核参数测量。描述了基于3通道、1 GHz采样率和1 ns同步精度的超高速数据采集卡的中子脉冲序列检测方法,并设计了PC机端的数据处理流程和功率谱密度分析算法。实际测量结果表明,该252Cf源驱动功率谱密度法测量系统能准确高效地得到核随机过程的相关函数和功率谱密度等重要标签参数。     

252Cf源和重离子加速器对FPGA的单粒子效应

 对10万门基于静态随机存储器的现场可编程门阵列（FPGA）分别在锎-252（²⁵²Cf）源和HI-13串列加速器下进行了单粒子效应试验研究,测试了静态单粒子翻转截面及发生单粒子闩锁的线性能量转移阈值,并对试验结果进行了等效性分析比较。试验结果表明²⁵²Cf源引起的FPGA单粒子翻转截面比重离子加速器引起的约低1个数量级;使用²⁵²Cf源未能观测到该器件的单粒子闩锁现象,而使用重离子加速器可以测出该FPGA发生单粒子闩锁的线性能量转移阈值;在现代集成电路的宇航辐射效应地面模拟单粒子效应试验中²⁵²Cf源不是理想的测试单粒子闩锁的辐射源。     

252Cf冷裂变瞬发γ射线

用四参量关联实验技术研究了²⁵²Cf冷裂变瞬发γ射线发射性质. 孪生屏栅电离室收集极和栅极信号分别用于确定碎片的动能和发射角. 圆柱形电离室轴线上的NaI(T1)晶体用于符合记录裂变瞬发γ射线.结果表明,不仅冷裂变瞬发γ射线角分布系数约为正常二分裂变值的两倍,而且冷裂变轻碎片发射的γ射线数目几乎是重碎片发射数目的三倍.对后一实验事实目前尚未有满意的理论解释.     

252Cf源辐射背景对X光闪光照相光电接收系统的影响

 在有核环境下的X光闪光照相中,为保证CCD光电接收系统的安全和有效使用,开展了科研所需剂量的辐射背景对闪光照相光电接收系统影响的研究。理论分析结果表明:科研要求的辐射剂量远小于X光闪光照相光电接收系统各器件的辐射损伤阈值,不会造成辐射损伤;辐射背景在CCD相机图像上形成的本底灰度对成像质量的影响很小。实验结果显示,通过建立和选择适当的屏蔽方式可以保证以下两点:一是科研所需剂量的辐射背景在CCD相机图像上形成的本底灰度要小于科学级相机的固有本底噪声,可以保证图像质量;二是在科研所需剂量的粒子和射线辐射下,X光闪光照相光电接收系统工作正常。     

基于压缩感知的252Cf源驱动核材料浓度识别技术研究

针对252Cf源驱动噪声分析测量法中核材料浓度识别问题,采用压缩感知理论,在K最近邻(KNN)识别算法基础上,研究了一种基于压缩采样的K最近邻（CSKNN）分类识别方法,进而研究并分析了CSKNN方法的识别概率。实验结果表明,CSKNN分类识别方法只需少量的观测值(观测比M/N0.1),即可达到分类识别的目的;当信噪比提高时,识别概率将会以更快的速度收敛至100%,且对K值的敏感程度也会随之降低。这样,不仅提高了核军控核查的实时性,而且还有效降低了采样成本,为核材料浓度的在线判读提供了一种新的理论基础和实现方法。     

一种252Cf裂变中子源的中子、γ射线飞行时间谱测量新方法

 针对²⁵²Cf快中子、γ射线的飞行时间谱测量要求,提出并建立一种基于高速数据采集卡的新型测量系统。采用1 GHz高速A/D转换单元和现场可编程门阵列高速处理单元,进行脉冲时间序列的在线检测,时间精度为1 ns。使用相关函数法,通过PC机的数据处理、互相关函数计算和数值统计等实现中子、γ射线飞行时间谱的测量。实验结果表明,该系统可以获得²⁵²Cf自发裂变中子源的中子、γ射线飞行时间谱,与经典的飞行时间谱测量方法相比较,其图谱表达及数值结果有着很高的吻合度。     

基于252Cf裂变中子源的核信息系统频谱分析

 针对²⁵²Cf裂变中子源所构造的核信息系统,在阐述随机核信号功率谱密度的算法原理基础上,借助于Matlab分析工具,采用分块平均法,对系统3个测量通道的随机核信号,先做相关计算,再对总的相关函数进行傅里叶变换,求得总功率谱,最后做平均得到所需的功率谱密度,得到了核信息系统的频谱图,并获得了相关函数多重性、相干性和功率谱密度比等重要参数。     

基于LabVIEW的252Cf中子源频谱分析

从252Cf中子源频谱测量系统的基本原理出发,针对中子脉冲序列本身“0,1”数据结构的特点,设计了自、互相关快速算法。采用LabVIEW多核处理器、多线程编程技术构建了基于LabVIEW的252Cf中子源频谱分析系统,不仅获得了自、互相关的快速计算结果,而且获得了自、互功率谱及谱密度比。研究结果表明：基于LabVIEW分析工具,既提升了自、互相关算法代码25%~35%的执行效率,又验证了LabVIEW用于进行频谱系统分析的可行性。     

E-Elman神经网络在冰蓄冷空调系统建模中的应用

冰蓄冷技术能够为空调系统带来显著的节能效果, 已广泛地应用在现代建筑当中, 准确的监测数据预测值有利于系统合理地运行; 针对实际冰蓄冷空调工程中的能源管理控制系统（energy management and control system, EMCS）数据采样周期较长所导致在系统制冰与融冰阶段数据不足的问题, 提出了一种改进的机组运行状况预测模型; 模型算法以数据变化趋势为依据, 在传统Elman中引入评价层以约束网络输出值, 增加计算针对性, 从而提高模型输出的准确性; 仿真结果表明, 此种建模方法解决了系统融冰与制冰阶段的数据突变及网络输出值局部最优解等问题, 与传统Elman网络结构相比, 其输出值更为接近测量值, 有效地提高了模型输出的真实性; 通过关联函数, 设计的模型对冷水机组的能源消耗也可起到预测作用, 进一步说明了其实用性。     

基于随机共振进行弱信号探测的实验研究

非线性随机共振系统可利用噪声增强微弱信号检测的能力,为强噪声背景下微弱信号的检测开创了新方法.基于随机共振的基本原理设计了硬件电路系统,并将其应用于检测单频和多频微弱信号;通过输入模拟工程实际的带噪信号,采样所得的输出信号的频谱分析结果表明,利用随机共振技术可从强噪声背景下有效地提取出单频和多频弱信号.多频弱信号的有效提取拓展了基于随机共振原理的弱信号检测技术的应用领域,结合数字滤波处理技术有效地消除了低频噪声对信号识别的影响.基于随机共振的弱信号检测技术在信息识别与信息处理方面具有巨大的潜在的应用价值.     

基于无源化的细胞神经网络超混沌系统同步

根据细胞神经网络超混沌系统的特点，求得混沌驱动系统与响应系统之间的误差系统.基于该误差系统，提出了混沌系统的同步条件：使同步误差大范围渐近稳定，然后采用非线性系统的无源化方法设计了使误差系统大范围渐近稳定的反馈镇定器.四阶细胞神经网络超混沌系统的计算机仿真验证了该方法的有效性. 关键词： 混沌同步 误差系统 无源化 细胞神经网络超混沌系统     

基于RBF神经网络的较低浓度下同步荧光光谱的溢油鉴别

针对海面溢油样品的含量难以确定,同时考虑到海水掺杂及风化等问题的影响,提出了在较低非线性浓度范围内采集溢油嫌疑样品的同步荧光光谱,获取其训练样本集,利用主成分分析法(Principal com-ponent analysis,PCA)提取其特征光谱,结合径向基函数(Radial basis function,RBF)神经网络对肇事样本和嫌疑样本进行模式识别的方法。通过对相近油源原油样品分类识别研究表明:该方法仅需单次对肇事样本同步光谱测量,再借助数据分析,就可以很好区分相近油源溢油样品,外扰对识别率影响也不大。RBF神经网络算法识别率在92%左右。该结论对海洋环境中溢油的实时检测及油指纹数据信息库的建立有重要意义。