Методы и средства обнаружения делящихся материалов
Покупка
Издательство:
Издательство Уральского университета
Автор:
Петров Владимир Леонидович
Год издания: 2017
Кол-во страниц: 99
Дополнительно
Вид издания:
Учебное пособие
Уровень образования:
ВО - Специалитет
ISBN: 978-5-7996-2176-6
Артикул: 800546.01.99
Доступ онлайн
В корзину
Приведены подробные сведения об алгоритмах поиска и обнаружения источников ионизирующих излучений, характеристиках детекторов и блоках детектирования гамма- и нейтронного излучений, методах измерения основных технических характеристик блоков детектирования. Содержится описание устройства, особенностей эксплуатации и методов решения задач обнаружения и идентификации радионуклидов комплексами радиационного контроля «Соратник-01».
Тематика:
ББК:
УДК:
ОКСО:
- ВО - Специалитет
- 14.05.04: Электроника и автоматика физических установок
ГРНТИ:
Скопировать запись
Фрагмент текстового слоя документа размещен для индексирующих роботов.
Для полноценной работы с документом, пожалуйста, перейдите в
ридер.
Министерство образования и науки Российской Федерации Уральский федеральный университет имени первого Президента России Б. Н. Ельцина В. Л. Петров МЕТОДЫ И СРЕДСТВА ОБНАРУЖЕНИЯ ДЕЛЯЩИХСЯ МАТЕРИАЛОВ Лабораторный практикум Рекомендовано методическим советом Уральского федерального университета для студентов дневной формы обучения специальности 14.05.04 «Электроника и автоматика физических установок» Екатеринбург Издательство Уральского университета 2017
УДК 621.039.76(076.5) ББК 31.42я73-5 П30 Рецензенты: зам. директора по науч. работе, канд. физ.-мат. наук И. В. Ярмошенко (Институт промышленной экологии УрО РАН); начальник конструкторского отдела ООО «Гамма» канд. техн. наук М. Н. Благовещенский Научный редактор — д-р физ.-мат. наук, проф. Б. В. Шульгин П30 Петров, В. Л. Методы и средства обнаружения делящихся материалов : лабораторный практикум / В. Л. Петров. — Екатерин- бург : Изд-во Урал. ун-та, 2017. — 99, [1] с. ISBN 978-5-7996-2176-6 Приведены подробные сведения об алгоритмах поиска и обнаруже- ния источников ионизирующих излучений, характеристиках детек- торов и блоках детектирования гамма- и нейтронного излучений, методах измерения основных технических характеристик блоков детектирования. Содержится описание устройства, особенностей эксплуатации и методов решения задач обнаружения и идентифика- ции радионуклидов комплексами радиационного контроля «Сорат- ник-01». Библиогр.: 27 назв. Рис. 13. Табл. 5. Подготовлено кафедрой «Экспериментальная физика». УДК 621.039.76(076.5) ББК 31.42я73-5 ISBN 978-5-7996-2176-6 © Уральский федеральный университет, 2017
Условные обозначения БД — база данных; БДО — база данных объектов; БДРМ — база данных радиационного мониторинга; ВГС — выносной гамма-спектрометр; ВП — военная приемка; ГСИ — государственная система обеспечения единства измерений; ДИН — детекторы нейтронного излучения; ДМ — делящийся материал; ЖРБ — журнал радиационной безопасности; ЗТМ — ФГУП «Завод точной механики»; ИИ — ионизирующее излучение; ИИИ — источник ионизирующих излучений; ИОК — индикатор оперативного контроля; ИУП — интерактивное учебное пособие; КУНГ — кузов универсальный негерметизированный МРЗУ — модуль (блок) энергонезависимого запоминающего устройства; МЭД — мощность эквивалентной дозы гаммы-излучения; НТД — научно-техническая документация; ОСГИ — образцовые спектрометрические гамма-источники; ОТХ — основные технические характеристики; ПЗ — представитель заказчика; ПО — программное обеспечение; ПП — плотность потока (частиц);
МЕТОДЫ И СРЕДСТВА ОБНАРУЖЕНИЯ ДЕЛЯЩИХСЯ МАТЕРИАЛОВ ППО — прикладное программное обеспечение; ПЭВМ — персональная электронно-вычислительная машина; РАО — радиоактивные отходы; РВ — радиоактивные вещества; РК — радиационный контроль; РКГ — комплекс радиационного контроля гражданского назначения; РМ — радиационный мониторинг; РО — руководство оператора; РЭ — руководство по эксплуатации; СНС — спутниковая навигационная система; СИ — средства измерений; СКО — среднеквадратическое отклонение; СкГД — сканирующий гамма-детектор; СРК — (комплекс) специального радиационного контроля; СГК — спектрометрический гамма-канал; ТУ — технические условия; УНИИМ — Уральский НИИ метрологии; УПО — учебное программное обеспечение; ЭК — экранирующий конус
Лабораторная работа № 1 Алгоритмы поиска и обнаружения источников ионизирующих излучений В настоящей лабораторной работе описаны алгоритмы (способы) поиска и обнаружения, положенные в основу той части прикладного ПО «Соратник-01», которое ответственно за обработку результатов измерений и решение задачи обнаружения. Алгоритмы разработаны и запатентованы авторским коллективом сотрудников кафедры экспериментальной физики [ 1, 2, 3]. Алгоритмы описываются последовательно: сначала кратко, из «первых принципов», изложены теоретические основы построения оптимальных алгоритмов обнаружения; далее рассмотрен простейший случай обнаружения неподвижного источника ИИ при неподвижном комплексе РК; затем последовательно описываются более сложные задачи для случаев «подвижный», т. е. подвижны либо объект контроля, либо комплекс РК, либо и тот и другой. Алгоритмы совершенствовались по мере накопления опыта проведения испытаний и эксплуатации комплексов РК. В п. 3 подробно описываются проблемы, связанные с больши- ми флуктуациями гамма-фона. П. 4 посвящен описанию алго- ритма «Поиск», при помощи которого в значительной степени решается задача обнаружения в условиях повышенного уровня флуктуаций гамма-фона. Безусловно, что еще на этапе отладки ПО был прове- ден цикл работ по проверке (верификации) разработанных
МЕТОДЫ И СРЕДСТВА ОБНАРУЖЕНИЯ ДЕЛЯЩИХСЯ МАТЕРИАЛОВ алгоритмов на машинных моделях. Средствами ПЭВМ ге- нерировались пуассоновские потоки шумов и сигналов, имитирующие реальные шумы и сигналы на выходе гамма- и нейтронных детекторов (причем имитировались слабые «пороговые» сигналы), и далее с помощью рабочих программ решалась задача обнаружения слабых сигналов. Результаты модельных экспериментов в настоящей работе не приводят- ся, поскольку их описание заняло бы неоправданно много места. Отметим только, что упомянутые модельные экспери- менты позволили учесть практически все нюансы, связанные с реализацией алгоритмов [1, 2]. Добавим, что результаты ре- альных измерений, полученных при испытаниях и эксплуата- ции комплекса, полностью подтвердили эффективность раз- работанных алгоритмов. 1. Алгоритм обнаружения в режиме «неподвижный» Постановка задачи и теоретические основы При помощи комплекса РК, содержащего счетные детекто- ры гамма- и (или) нейтронного излучения, необходимо обна- руживать источник ИИ с очень малой суммарной активностью; а поскольку измерения проводятся в условиях естественного фонового излучения, имеющего, как правило, довольно зна- чительный уровень, то очевидна необходимость разработки и применения оптимальных алгоритмов обнаружения. Алгоритмы работы аппаратуры комплекса РК базируются на классической теории обнаружения, подробно и давно раз- работанной применительно к задачам радиолокации, и опи- санной в соответствующей специальной литературе (в частно- сти, в [4–7]). Задача обнаружения источника ИИ сводится к тому, чтобы на основе анализа результатов измерений уровня детектируе- мого излучения дать ответ на вопрос о наличии источника ИИ на объекте контроля либо о его отсутствии, причем с заданны-
Лабораторная работа № 1 7 ми вероятностями ошибок. Эта задача относится к группе про- стых бинарных задач в условиях априорной неопределенно- сти (т. е. когда перед проведением инспекционного контроля объекта нет информации не только о наличии либо отсутствии источника, но и о величине сигнала, создаваемого источником в детекторе) [4–7]. В результате решения упомянутой задачи возможен один из четырех исходов; соответствующие общепринятые названия исходов и их вероятностей удобно представить в виде табл. 1.1. В теории обнаружения [4–7] известны несколько опти- мальных алгоритмов обнаружения (или правил принятия ре- шения), из которых наиболее часто применяются алгоритмы, основанные на критерии Байеса, когда минимизируется сум- марная ошибка (a + b), либо на критерии Неймана-Пирсона. По критерию Неймана–Пирсона при заданной ошибке a ми- нимизируется b, что приводит к выбору решения с наибольшей мощностью критерия Pобн = (1 – b). Поэтому критерий Нейма- на–Пирсона называют наиболее мощным критерием. Выбор того или иного критерия обнаружения зависит от исходных условий постановки задачи. Таблица 1.1 Термины и обозначения, используемые в теории обнаружения № п/п Описание исхода при решении задачи обнару- жения Вероятность исхода решения задачи обнаружения Наименование Обозначение 1 Верна Н0, выбираем Н0 вероятность правильного необнаружения Ро = (1 — a) 2 Верна Н0, выбираем Н1 вероятность ложной тревоги, ошибка первого рода, уровень значимости критерия Рлт = a
МЕТОДЫ И СРЕДСТВА ОБНАРУЖЕНИЯ ДЕЛЯЩИХСЯ МАТЕРИАЛОВ № п/п Описание исхода при решении задачи обнару- жения Вероятность исхода решения задачи обнаружения Наименование Обозначение 3 Верна Н1, выбираем Н1 вероятность обнаружения, мощность критерия Робн = (1 — b) 4 Верна Н1, выбираем Н0 ошибка второго рода, вероятность пропуска b В табл. 1.1 приняты следующие обозначения: H0 — гипотеза об отсутствии источника на объекте контроля; H1 — гипотеза о наличии источника на объекте контроля. Результатами физических измерений, проводимых с помо- щью комплекса РК, являются: • средняя скорость счета фонового потока частиц (квантов) b = B/tb, где B — количество импульсов на выходе детек- тора, зарегистрированных за время измерения фона tb; • средняя скорость счета при наличии контролируемо- го объекта в поле наблюдения детекторов n = N/tn, где N — количество импульсов. Разность а = (n – b ), называемая сигналом, т. е. фактиче- ски измеряемая детектором средняя скорость счета при контро- ле объекта за вычетом фона, несет информацию о наличии либо отсутствии излучения на объекте контроля. Основные формулы алгоритма обнаружения При выводе формул, на основе которых строится алгоритм обнаружения, должны учитываться следующие особенности из- меряемых величин применительно к рассматриваемой задаче: • отношение сигнал/фон, как правило, мало: s = а /b < 0,1; • измеренные случайные величины (n , b ) описываются пуассоновским распределением. Окончание табл. 1.1
Лабораторная работа № 1 9 Для решения задачи обнаружения с учетом указанных осо- бенностей, как правило, используется критерий отношения правдоподобия [4–6]. Эквивалентным использованию упомя- нутого критерия (в строго математическом аспекте) является вычисление так называемой «достаточной статистики» [4]: h= * *ьэю м н о a D a , (1.1) где а * — оценка максимального правдоподобия параметра а ; D{а *} — дисперсия указанной оценки. Математическое ожидание статистики η равно нулю в слу- чае отсутствия источника при постоянном фоне (рис. 1.1). Для пуассоновского закона распределения случайных вели- чин b и n формула (1.1) принимает следующий вид: h= - + n b n tn b tb . (1.2) Решающее правило (или заключительный этап решения задачи обнаружения) сводится к сравнению статистики η с порогом q0: η < qо или η ³ · qо. (1.3) При η < qо принимается гипотеза H0 об отсутствии источни- ка на объекте контроля. При η ≥ qо принимается противопо- ложная гипотеза Н1 о наличии источника на объекте контроля. Порог qо вычисляется по тем или иным правилам в зависи- мости от выбранного критерия обнаружения — критерия Байе- са или критерия Неймана–Пирсона. Для формирования порога qо по критерию Байеса необходима априорная информация о ста- тистических характеристиках сигнала, а именно о среднем зна-
МЕТОДЫ И СРЕДСТВА ОБНАРУЖЕНИЯ ДЕЛЯЩИХСЯ МАТЕРИАЛОВ чении сигнала а . Однако до завершения процедуры измерений (первой серии измерений) нам ничего о характеристиках сигнала (и о его наличии либо отсутствии) не известно. Это утверждение, несмотря на очевидность и кажущуюся простоту, является од- ним из ключевых для логики построения оптимального алгорит- ма обнаружения. Из него следует, что в нашем случае, т. е. для решения задачи обнаружения применительно к комплексу РК, критерием Байеса воспользоваться невозможно. Итак, для решения задачи обнаружения в условиях апри- орной неопределенности наиболее широкое распространение получил критерий Неймана–Пирсона [4, 5] — наиболее мощ- ный критерий, т. е. его использование позволяет получить мак- симальную величину (мощность) вероятности обнаружения Pобн = (1 – β) (или в терминах математики: позволяет минимизиро- вать ошибку второго рода β при заданном уровне значимости α). Рис. 1.1. Плотности распределения статистики f(η) при различных уровнях сигнала f(η) σ{η} = 1 f0(η) f1(η) f2(η) 0,3 0,2 0,1 0 –2 0 2 6 8 η α qα qβ β
Доступ онлайн
В корзину