徐闊之

摘? 要：為了探究復合防護材料中不同屏蔽物質配比所能夠實現(xiàn)最佳防護的效果，基于遺傳算法設計了各類防護功能粒子制備復合防護材料的最優(yōu)化配比模型。以氧化硼、氧化釓和氧化鎢三種功能粒子為例，按照光子和中子在物質中的衰減規(guī)律，分別構建了模型得出具體結果所需的光子目標函數(shù)和中子目標函數(shù)，引入實例，利用Matlab實驗室軟件中的遺傳算法計算出最優(yōu)解集。使用MCNP程序在Matlab仿真實驗室中進行仿真驗證，找出最優(yōu)解集中的最優(yōu)解，驗證了模型的可行性。

關鍵詞：遺傳算法;防護;復合材料;MCNP模擬

中圖分類號：TB34? ? ? ? ? 文獻標志碼：A? ? ? ? ?文章編號：2095-2945（2020）18-0021-03

Abstract： In order to explore the optimal protective effect of different shielding materials in composite protective materials， the optimal proportion model of composite protective materials prepared by all kinds of protective functional particles was designed based on genetic algorithm. Taking boron oxide， gadolinium oxide and tungsten oxide as examples， according to the attenuation law of photons and neutrons in matter， the photon objective function and neutron objective function needed by the model to obtain specific results are constructed respectively， and an example is introduced to calculate the optimal solution set by using genetic algorithm in Matlab laboratory software. The simulation verification is carried out by using the MCNP program in the Matlab simulation laboratory， the optimal solution of the optimal solution set is found， and the feasibility of the model is verified.

Keywords： genetic algorithm; protection; composite materials; MCNP simulation

核輻射防護的原理主要為在射線通道上利用吸收能量與高能粒子的物質實現(xiàn)。能量吸收是防護物質的原子在和射線接觸中，發(fā)生彈性與非彈性散射，轉化為光電效應，能量轉換為熱量及較長光波散射。輻射屏蔽物質對輻射能量的吸收能力與物質原子序數(shù)的四次方成正比。

現(xiàn)代常見的核輻射防護物質主要有釓元素、硼-10、鎘元素、鎢元素以及有關化合物等。在防護材料的選用上，釓元素具有熱中子吸收截面較大的優(yōu)點，但也存在對能量偏大的中子防護能力較弱的缺點，硼-10具有對不同能量等級的中子均有很好的屏蔽效果的優(yōu)勢，但在吸收截面的大小上無法與釓元素相比。本文以碳化硼、氧化釓與氧化鎢三種功能粒子的符合防護材料為例，利用模擬實驗的方式，通過遺傳算法對三種材料不同比例制備的防護材料進行計算，找出三種化合物在制備防護材料中的最優(yōu)配比。

1 遺傳算法與計算工具概述

遺傳算法（Genetic Algorithm，GA），是數(shù)學中常見的進化算法，能夠通過仿真的方式推演生物進化的過程，被普遍應用于生活中的生產調度、自動化、人工智能以及反應堆的設計等多個領域。遺傳算法將對象看做生物與種群的關系，將問題的解集作為種群衍生的開始，最基礎的組成因子看做基因編碼，具體的實體當做具有染色體特性的個體。因此，將染色體看做算法推演的核心內容，最終表現(xiàn)在不同的個體特征上，并起著決定性的作用。在求解的過程中，遺傳算法根據基因進化的規(guī)律，優(yōu)勝劣汰不斷延續(xù)，直到找到最符合實際需要的最優(yōu)解，也稱近似解。

遺傳算法每一次的進化可以稱為一代，再在每一代中找出能夠滿足環(huán)境條件的最優(yōu)染色體繼續(xù)遺傳，最終形成的每個最優(yōu)個體組成最優(yōu)解集。進化過程可以概括為三個基本的方式，即選擇、交叉與變異，每個方式又包括若干選擇方式。

應用Matlab（矩陣實驗室）計算軟件中的Optimization工具箱工具中的優(yōu)化算法對遺傳算法計算多種化合物防護能力的最優(yōu)解集。軟件自帶的NSGA-II（Matlab本身具有的快速非支配排序遺傳算法）算法具有可定義，可移植的優(yōu)點，將其進行優(yōu)化后得到Gamultiobj 多目標遺傳算法模型，應用于Optimization工具箱中，進行輻射防護材料的多目標最優(yōu)解求解。

2 輻射防護材料的最優(yōu)模型設計

在輻射防護材料的研究中，國內外已經出現(xiàn)了眾多表現(xiàn)良好的輻射防護材料，且各有各的長處，但從綜合防護能力上講，仍然缺少具有多種優(yōu)勢集于一身的最優(yōu)化組合材料。關于輻射防護材料的研制方法，大多通過實驗室試驗的方式，對各類材料的防護不斷試驗，這樣必然造成研究成本增大，成果出現(xiàn)的周期較長等缺點。對于防護材料的復合研究，并以科學的方法進行理論評估的成果可謂少之又少，所以目前復合防護的研究上仍然缺少復合材料實現(xiàn)最優(yōu)化防護效果的研究成果。對復合防護材料的理論評估，主要是對不同具有防護優(yōu)勢的材料在特定的條件下所表現(xiàn)出來的防護能力，可以在最優(yōu)化模型的設計中當做約束條件看待，將各個約束條件加入遺傳算法中，成為衍生更優(yōu)新一代的選擇基礎，如此不斷優(yōu)化，最終得到最優(yōu)解的近似解集，即為復合材料最優(yōu)化防護的配比。

以氧化硼、氧化釓和氧化鎢三種功能粒子為例，進行基于遺傳算法輻射防護材料的最優(yōu)模型設計。實施過程描述：（1）確定優(yōu)化模型的目標函數(shù)與約束條件，帶入Matlab軟件的遺傳算法最優(yōu)解的工具箱，得到三種粒子的輻射屏蔽能力的最優(yōu)配比組合理論結論;（2）采取MCNP5驗證最優(yōu)解的理論結論的實際防護屏蔽能力。

2.1 最優(yōu)模型目標函數(shù)的確定

最優(yōu)模型的目標函數(shù)主要為物質光子的目標函數(shù)與中子的目標函數(shù)兩類，確定此模型為多目標最優(yōu)模型。用X表示三種物質的質量分數(shù)組成的向量，則X=[x1，x2，x3]T，x1為碳化硼的質量分數(shù)，x2為氧化釓的質量分數(shù)，x3為氧化鎢的質量分數(shù)，則有：

2.3 中子的最優(yōu)目標函數(shù)的確定

根據分出截面法中，中子在防護材料中的衰減與其穿過材料過程中的進入深度與材料的靶核發(fā)生相互作用的原理，可以將中子的衰減模型表示為：

3 最優(yōu)解的驗證模型設計

采用Matlab實驗室的Optimization工具箱中遺傳算法編寫程序對最優(yōu)化設計模型可以得到目標函數(shù)的最優(yōu)解集，即復合材料輻射防護能力的最優(yōu)化構成比例。使用MCNP程序對最優(yōu)解集做仿真實驗，驗證結果是否符合實際水平，平面模型如圖1所示。所用模型之中，235U裂變源為其中的一個平面源，因為它的源半徑不隨能譜的變化而變化，因此取源半徑為2.5cm，將復合材料放在位于源5cm處，位于復合材料入射面10cm的距離放置一個水體膜，以便統(tǒng)計入射到復合材料內的粒子注量率。模擬實驗中采用垂直照射的方式。

4 最優(yōu)化模型的MCNP模擬驗證

根據上文中式（2.6）與式（2.11）目標函數(shù)模型，可知利用遺傳算法計算所得的最優(yōu)解應為多個，在確定其中最好的解，需要將所有的解放在MCNP模型中進行仿真驗證，得到最優(yōu)復合比例結果理論值，如表1所示。

其中，OPT為仿真實驗最優(yōu)化結果下的復合材料，其它三種為對比實驗材料。在對四種材料進行模擬防護試驗后得到結論：雖然各個材料都具有相似的輻射防護作用，但是OPT材料在同等條件下，對于瞬發(fā)γ光子與緩發(fā)γ光子，具有更強的防護能力，再者就屬NBR/PVC材料了，足以證明鎢在γ射線照射下的防護方面突出的能力，B/BE材料的防護能力最差，這與其缺少了γ射線吸收能力的物質有很大的關系。

綜上所述，在235U裂變中子與γ光子的防護能力上看，OPT復合材料表現(xiàn)最優(yōu)，因此，這一物質在綜合輻射防護方面的屏蔽效果最好，與最優(yōu)化模型的目標函數(shù)所得結果相符。

5 結束語

本次選用常見防護材料中的碳化硼、氧化釓與氧化鎢三種功能粒子在復合防護材料中的成分占比，使用MCNP程序，設計了一種基于遺傳算法的最優(yōu)化數(shù)學模型。按照光子與中子在物質中的衰減規(guī)律，構建了最優(yōu)化模型的目標函數(shù)模型，利用Matlab中的工具箱對目標函數(shù)進行計算求解得出模型的最優(yōu)解集，再根據MCNP程序從最優(yōu)解集中找出最優(yōu)解，進行模擬仿真實驗，找出在γ光子防護方面最佳占比的復合材料，驗證了最優(yōu)化模型的科學性。尚未進行材料的具體制備，對于復合材料的制備與實踐效果，仍待通過后續(xù)的實驗加以實證研究。

參考文獻：

[1]胡姣姣，張華，楊易坤，等.基于遺傳算法三級自動復疊制冷系統(tǒng)建模分析和優(yōu)化[J].熱能動力工程，2020（03）：27-36.

[2]謝文明，左凌語，劉祿洋，等.某核電廠大修非例行檢修項目輻射防護最優(yōu)化實踐與探索[J].2019（33）：106-107+111.

[3]袁祖培，陳潔，沈潔.射線防護復合材料的制備及性能研究[J].中原工學院學報，2020（01）：20-22+43.

[4]楊師儼，何曼麗，蔣丹楓，等.反應堆裂變源輻射防護材料的優(yōu)化設計[J].計算物理，2017（01）：73-81.

[5]王小鶴，胡繼峰，陳金根，等.基于白光中子源的核石墨硼當量測量[DOI].原子能科學技術，https：//kns.cnki.net/KCMS/detail/11.2044.TL.20200401.1232.008.html.2020-4-1.

[6]劉兆琪，劉浩豐.基于對經過伽馬射線照射的氧化鎢納米顆粒的微觀結構、電學和氣體傳感性能的研究[J].工業(yè)技術與職業(yè)教育，2020（01）：34-37.