乏燃料容器的中子层析成像

用于乏核燃料（SNF）的干式容器可确保 SNF 的安全贮存并提供辐射屏蔽。然而，包裹 SNF 的厚容器由数层钢与混凝土构成，使得 SNF 的检查成为一项具有挑战性的任务。快中子 interrogation 是对干式贮存容器进行无损分析的一种可行方法。在本研究中，我们开展了基于蒙特卡洛模拟并结合基于机器学习的图像重建方法的研究，以验证 SNF 干式贮存容器的内容物。我们研究了利用中子透射与背散射测量来评估干式容器运输过程中燃料组件的可能损伤或燃料棒转移。我们使用 Geant4 建模了真实的 HI-STAR 100 容器、MPC-68 罐与篮筐，以及由 D-T 中子发生器辐照的 GE-14 燃料组件。我们模拟了若干束件转移场景。中子被容器散射的角分布被用于识别燃料容器内的转移情况。与满载场景相比，至少移除 75% 燃料棒的燃料束可通过大于 2{\sigma} 的背散射特征下降被识别。我们将迭代重建算法与卷积神经网络（CNN）相结合，以获得容器内燃料的横截面图像。所提出的成像方法在使用源强为 10^10 n/s（4{\pi} 立体角）的商用中子发生器时，可在少于两小时的总扫描时间内，对罐进行层析成像时定位至少移除 75% 燃料棒的缺失燃料束的位置。