基于深度学习的252Cf源驱动核材料浓度识别技术

• 作者: 冯鹏 周密 李鹏程 陈乐林 魏彪
• 来源期刊: 强激光与粒子束
• 学科: 工学
• 关键词: 核武器/核材料 裂变中子信号库 深度学习 卷积神经网络 浓度识别
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 核科学与工程
• 页码范围: 111-117
• 页数: 7页
• 分类号: TP301.6
• 字数: 4442字
• 语种: 中文
• DOI: 10.11884/HPLPB201830.170487

摘要

针对核武器/核材料识别系统中核材料浓度识别的关键技术问题,采用Monte Carlo方法,通过建立252 Cf源驱动核材料裂变中子信号样本库,模拟分析了随探测器距离和角度及核材料浓度变化的裂变脉冲中子信号特点,基于深度学习之卷积神经网络,构建了一种252 Cf源驱动核材料浓度识别方法,实现了对测试样本浓度的识别,且还与BP神经网络和K最近邻方法进行了对比试验研究.结果表明,卷积神经网络算法进行核材料浓度识别,得到了高达92.05％识别准确率,不仅解决了因探测器距离和角度变化时对核材料浓度识别准确率影响的难题,而且还获得了优于BP神经网络和K最近邻算法对核材料浓度识别的认识,这为252 Cf源驱动核材料浓度识别提供了一种新的途径.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	魏彪	重庆大学光电工程学院光电技术及系统教育部重点实验室	111	658	12.0	19.0
2	冯鹏	重庆大学光电工程学院光电技术及系统教育部重点实验室	65	390	12.0	16.0
3	周密	重庆大学光电工程学院光电技术及系统教育部重点实验室	13	106	4.0	10.0
4	李鹏程	重庆大学光电工程学院光电技术及系统教育部重点实验室	13	67	4.0	8.0
5	陈乐林	重庆大学光电工程学院光电技术及系统教育部重点实验室	1	0	0.0	0.0