γ能谱法测定铀富集度的方法研究
| 前言 | 第1-16页 |
| 1 我国核保障技术的研究背景 | 第8-9页 |
| 2 国际核保障体制 | 第9-11页 |
| 3 核保障监督的方法和技术 | 第11-13页 |
| 3． 1 核材料保护控制和衡算系统 | 第11-12页 |
| 3． 2 核保障中的技术要求 | 第12-13页 |
| 4 本论文的研究内容 | 第13-16页 |
| 第一章 铀富集度分析的γNDA技术进展 | 第16-26页 |
| 1 概述 | 第16-19页 |
| 1． 1 铀的放射性衰变性质 | 第17-18页 |
| 1． 2 铀在核燃料循环中的走向 | 第18-19页 |
| 2 γ能谱测量仪器的发展 | 第19-20页 |
| 3 铀富集度γ能谱分析方法的发展 | 第20-26页 |
| 第二章 γ能谱法测定铀的富集度 | 第26-52页 |
| 1 概述 | 第26页 |
| 2 γ能谱法测定铀富集度的原理 | 第26-28页 |
| 3 Pc／FRAM的算法 | 第28-34页 |
| 3． 1 Pc／FRAM的分析过程 | 第28-29页 |
| 3． 2 内部刻度 | 第29-32页 |
| 3． 3 铀富集度计算 | 第32-34页 |
| 4 铀样品的富集度分析 | 第34-45页 |
| 4． 1 铀钚富集度分析的主要区别 | 第34-37页 |
| 4． 2 铀富集度分析的关键问题 | 第37-45页 |
| 5 使用PC／FRAM分析铀样品的富集度 | 第45-52页 |
| 5． 1 采用新的参数文件 | 第45-47页 |
| 5． 2 实验结论 | 第47-52页 |
| 第三章 神经网络在铀富集度分析中的应用 | 第52-62页 |
| 1 概述 | 第52-53页 |
| 2 铀能谱分析 | 第53-54页 |
| 3 径向基神经网络模型 | 第54-56页 |
| 4 实验设计 | 第56-57页 |
| 5 实验结果 | 第57-60页 |
| 5． 1 混合测试集以及SPREAD参数的最优化 | 第57-59页 |
| 5． 2 分组测试集及训练结果 | 第59页 |
| 5． 3 广义回归神经网络 | 第59-60页 |
| 6 讨论 | 第60页 |
| 7 结论 | 第60-62页 |
| 第四章 探测封装浓缩铀属性的γNDA方法 | 第62-75页 |
| 1 概述 | 第62-63页 |
| 2 原理 | 第63-69页 |
| 2． 1 探测封装浓缩铀样品的困难 | 第63-65页 |
| 2． 2 高浓铀样品中的232U的产生和富集 | 第65-66页 |
| 2． 3 232U的探测指针 | 第66-69页 |
| 3 实验 | 第69-73页 |
| 3． 1 实验样品 | 第69-70页 |
| 3． 2 测量仪器与实验条件设置 | 第70-71页 |
| 3． 3 实验结果与分析 | 第71-73页 |
| 4 讨论 | 第73-75页 |
| 致谢 | 第75页 |
