爆炸物检测中的模拟计算

王新华 安 力 郑 普 郭海萍 何 铁

（中国工程物理研究院核物理与化学研究所 绵阳 621900）

爆炸物检测中的模拟计算

王新华 安 力 郑 普 郭海萍 何 铁

（中国工程物理研究院核物理与化学研究所 绵阳 621900）

为优化基于伴随α粒子技术的爆炸物检测系统中的γ探测器和数据分析软件，利用蒙特卡罗程序EGSnrc对γ探测器的探测效率和能量响应分别进行了模拟。NaI(Tl)、BGO等几种无机闪烁体γ探测器探测效率的模拟计算结果为探测器的优化选择提供依据；对碳、氧单质元素、硝酸氨、模拟炸药样品在14 MeV中子作用下的特征γ射线，在Φ5″×8″NaI(Tl)探测器的能量响应模拟计算结果进行了分析，并与实验测量能量响应进行了比较。结果表明，模拟方法可靠，应用该方法可对其他的单质材料来进行响应计算以建立响应函数数据库。

爆炸物检测，蒙特卡罗模拟，探测效率，响应函数，神经网络

快速、准确、实时、非侵入式检测行李包裹中的爆炸物，已成为当今国际社会反恐活动的重要议题[1,2]。基于X射线或者γ射线的检测系统，只能提供被检测物品的密度和形状，不能提供被检测物品的化学组成信息；而基于快中子的伴随α粒子检测技术，则具有一定优势[3–5]。其利用14 MeV的D-T中子与被检测物品中的 C、N、O等元素发生非弹性散射产生的特征 γ射线[6]，由此分析被检测物品的C、N、O含量，从而确定是否为爆炸物。伴随α粒子检测技术可有效降低检测过程中14 MeV中子与被检测物品周围环境中产生的强γ辐射本底。为优化设计检测系统的中子发生器中子产额、探测器位置、探测器类型以及体积等，我们对一些无机闪烁体γ探测器的效率和来自爆炸物样品的特征γ谱的能量响应进行的蒙特卡罗模拟计算。

1 检测原理与装置模型

图1为伴随α粒子技术检测爆炸物原理图。在质心坐标系，T(d,n)4He反应的α粒子与n在180°方向为一一对应，且时间关联。当与α相关联的中子与物质发生反应后，一部分中子直穿出样品，该部分在强度上减弱，时间上仍与α相关联；另一部分与物质发生反应产生瞬发 γ，因中子与物质作用产生瞬发 γ的时间极短(约 10–16–10–17s)，因此与 α 也是时间关联的，而其它中子产生的γ与该部分α无时间关联，形成本底。通过γ与α信号的符合时间测量，获得 α-γ的时间谱。通过时间窗可选出与 α粒子相关联的中子产生的瞬发γ，获得样品的特征γ谱线，同时可很大程度地降低本底 γ，便于对γ谱的分析。因此，采用与α伴随的快中子飞行时间技术和符合测量可获得被伴随α粒子“标识”的中子产生的瞬发γ，通过分析γ能谱的C、N、O的特征γ射线比例来推断 C、N、O原子比，最后鉴定是否为爆炸物。

图1 伴随α粒子技术检测爆炸物原理图Fig.1 The principle of explosive inspection with associated alpha particle technique.

实验测量在本所的ns-200中子发生器上进行，中子产额约为5×107/s。用PIN、YAP(Ce)和ZnS等α 粒子探测器以及Φ4″×4″ NaI(Tl)、Φ1.5″×1.5″LaCl3、和Φ5″×8″ NaI(Tl)等 γ探测器进行了性能测试，最后选用 ZnS α粒子探测器和 5″×8″NaI(Tl)探测器组成探测系统，对石墨、水、液氮、硝酸氨、模拟炸药、纸张、沙子等多种样品进行了测量。测得的典型α-γ符合时间谱如图2所示。按照中子飞行时间序列，显示在时间谱上各种信号的时间顺序依次为：中子发生器靶产生的γ射线、中子在样品上产生的γ射线、最后为样品周围散射中子，这些信号均叠加在随机本底信号上。因此，测量中须将样品时间窗信号减去随机本底信号，方得纯样品信号，测量得到的石墨样品典型特征γ谱如图3所示。

图2 α-γ符合时间谱Fig.2 Alpha-gamma coincidence time spectrum.

图3 石墨样品典型γ射线谱Fig.3 Gamma-ray spectrum of the graphite sample.

2 蒙特卡罗模拟计算

2.1 探测效率计算

在爆炸物的检测系统中，γ探测器成一定的立体角置于被检测物周围。为在一定的中子产额、短时间条件下提高检测效率和检测精度，γ探测器须有如下特点：本征探测效率高、能量分辨率好、响应时间快，且费用尽可能低。要满足这些要求，一般选用大体积、高密度、高原子序数的无机闪烁体γ探测器。常用的有NaI(Tl)、BGO、BaCl2，LaCl3、LaBr3等闪烁体探测器。

用EGSnrc蒙特卡罗程序[7]对γ射线在标准无机闪烁体内能量沉积的特性进行了模拟计算。EGSnrc程序是一个通用的光子、电子、正电子耦合输运蒙特卡罗程序，能模拟1 keV–TeV能量的光子和10 keV–TeV能量的电子在任意三维几何体内输运情况。对于γ射线在无机闪烁体内的能量沉积特性模拟如下：

(1) 模拟的闪烁体为直角圆柱裸晶体；

(2) 入射的 γ射线为平行束，垂直入射在晶体端面，平行束截面与探测器晶体截面相等；

(3) 晶体内少量为发光而掺杂的物质在模拟计算中忽略不计；

(4) 考虑γ射线在晶体中的边界效应。

模拟计算的无机闪烁体单能γ射线全能峰本征效率和单逃逸峰的本征效率示于图4。爆炸物中C、N、O三种元素产生的2313、4439、5103和6130 keV的特征γ射线在各种闪烁体全能峰和单逃逸峰以及它们比值见表1。

图4 蒙特卡罗模拟计算的六种闪烁体探测器的γ射线全能峰本征效率(a)和第一逃逸峰本征效率(b)Fig.4 Full-energy peak intrinsic efficiency (a) and single escaped peak intrinsic efficiency (b)for six large inorganic scintillators simulated with EGSnrc code

表1 C、N、O元素在14 MeV作用下的特征γ射线在探测器内能量沉积特性Table 1 Energy deposition characteristics of scintillator for prompt γ-ray from C, N and O by 14 MeV neutrons

2.2 响应函数计算

对于闪烁探测器测量到的γ能谱可采用传统的逆矩阵法、最小二乘法等复杂γ能谱解析方法，对解得的γ能谱不同能区统计数进行分析，就可得到被测物品的 C、N、O含量，从而确定被测物品是否属于爆炸物。但是，由于在对行李进行检测时，受时间和中子注量的限制，测量得到的γ能谱的统计性一般都很差，用传统解谱法得出的结果不确定度很大，易造成误判。因此我们采用人工神经网络进行γ能谱的识别，具有识别速度快、操作简单的特点，对爆炸物和日常有机物识别的结果令人满意。但神经网络使用前需要进行学习和训练。通常利用多次测量的大量样品γ能谱作为初始向量，以进行神经网络学习和训练。由于统计涨落，同一样品每次测得的γ能谱不会完全相同，因此网络学习和训练中的目标向量，须通过对样品进行模拟计算而得到。

由MCNP程序计算中子、γ耦合输运的F8记录，在本质上不具有可靠性[8]，对此Perot等[9]已有实验验证。因此响应函数计算分两步进行：第一步是使用MCNP5计算能量为14 MeV的各向同性点源中子作用在样品上的产生连续能量的γ射线谱，γ射线用F5点探测器在离样品20 cm处来进行记录，点探测在不同方向的记录显示，较小样品出射的 γ射线与角度无关。第二步是将F5记录到的γ射线谱作为EGSnrc程序模拟中的源谱来计算γ探测器内的能量响应，得出的脉冲幅度谱根据探测器的能量分辨进行高斯展宽。模拟计算了石墨、水、硝酸氨和模拟炸药四种典型样品的特征 γ射线在Φ5″×8″NaI(Tl)探测器内的脉冲幅度谱，并与实验测量的进行了比较，计算和测量的脉冲幅度谱的比较结果见图5。

3 结果与分析

图4和表1分别为几种闪烁体探测器的全能峰本征效率以及逃逸峰在探测器内能量沉积特性。从其数据和曲线分布可以看出，如果只考虑探测器的探测效率，BGO探测器明显要优于其它的几种探测器，LaBr3探测器位居其后。随着探测器闪烁体的密度下降探测效率相应降低，而且本征效率越高，其相应的第一逃逸峰和第二逃逸峰相对越低，这样在测量的脉冲幅度谱中，高能γ射线由于逃逸峰对低能γ射线全能峰的干扰相对大大降低，有利于γ能谱的分析。

如果考虑到探测器能量分辨，根据文献[10,11]显示Φ3″×3″的 BGO、LaBr3、LaCl3、NaI(Tl)探测器对137Cs的661 keV γ射线的能量分辨率分别为15.4%、3.0%、4.2%、7.0%。考虑到爆炸物检测中爆炸物的主要成分为C、N、O，它们在中子作用下产生的γ射线能量为2.38–6.13 MeV，在整个脉冲幅度谱的高能部分峰的半宽最高可达500 keV左右，这样全能峰、康谱顿以及逃逸峰就会相互重叠，对谱的分析造成困难，降低检测精度。

因此从探测效率和能量分辨两个方面考虑，LaBr3闪烁体探测器为最佳备选探测器，然后为大体积 NaI(Tl)、再次为 BGO，其它的探测器基本上较少考虑。但是现在大尺寸的LaBr3正在研制中，还未有产品。且LaBr3和BGO的价格较高，NaI探测器是最为一种常用的探测器，价格便宜，性能适中，在爆炸物检测的实验室研究中，可满足实验所需。

图5 碳(a)、氧(水样品)(b)、硝酸氨(c)和模拟炸药样品(d)的NaI γ能谱 (●模拟谱；×测量谱)Fig.5 NaI γ-ray spectra of (a) graphite, (b) water, (c) ammonium and (d) mock explosive sample(● calculated; × measured)

图5是石墨、水、硝酸氨和模拟炸药在14 MeV中子作用下产生的特征γ射线在NaI(Tl)探测器内实验测量和模拟计算的能谱。C、N、O产生的特征γ射线的全能峰以及逃逸峰，在γ能谱的高能区，实验和模拟计算结果符合的较好，两者的偏差来自于模拟计算中的评价数据库14 MeV中子非弹截面与实验数据有一定的差别[6]。而在3.5 MeV以下则存在着较大的偏差。这个是在实验测量中，散射中子中的快成分与周围材料作用产生的γ射线以及散射中子直接在探测器内作用，由于探测器时间分辨受到一定限制，无法将其分开造成的，另外模拟计算中使用的评价数据库也会对这种偏差有一定的贡献。

通过计算常见的爆炸物、日常有机物和一些单质元素的14 MeV中子诱发的γ射线在探测器内的响应函数，作为神经网络爆炸物识别目标向量数据库来对检测到的脉冲幅度谱进行识别，可以有效替代为识别爆炸物而建立特征γ射线数据库所需要的样品和大量繁琐的测量工作，提高工作效率。

4 结论

本工作的目的是通过蒙特卡罗模拟计算来优化设计基于快中子的伴随α粒子技术的隐含爆炸物检测系统。在对几种闪烁体探测器的效率模拟计算结果进行了分析，分析表明，在伴随α粒子技术的隐含爆炸物检测系统中，这几种探测器各自有自己的优点，因此建议在爆炸物检测的实验室研究中可以使用较便宜的NaI(Tl)探测器，而在作为产品的实际应用中，尽可能使用LaBr3、大体积NaI(Tl)或者BGO探测器，这样可以提高检测效率并降低误报率。模拟计算石墨、水、硝酸氨和模拟炸药在14 MeV中子作用下γ射线在探测器内的脉冲幅度谱与实验测量结果进行了比较，结果表明，模拟方法可靠，可由通过模拟来建立一个常见的单质元素和爆炸物及富含C、N、O元素的日常用品在14 MeV中子作用下的γ射线在探测器内的脉冲幅度谱数据库，为以后爆炸物检测中的数据分析提供支持。

1 Gozani T. Nucl Instr Meth, 1994, A353: 635

2 Gozani T. Nucl Instr Meth, 2004, B213: 460

3 Buffler A, Brooks F, Allie M,et al. Nucl Instr Meth, 2001,B173: 483

4 Perot B, Perret G, Mariani A,et al. Proc of SPIE, 2006,6213: 621305

5 Kuznetsov A, Evsenin A, Osetrov O,et al. Proc of SPIE,2006, 6213: 621306

6 Simakov S P, Pavlik A, Vonach H,et al. IAEA Nuclear Data Section, Final Report of Research Contract 7089/RB,2006,

7 Kawrakow I, Rogers D W O. NRCC Report PIRS-701,2005,

8 Thomas E, Booth John T, Goorley A S,et al.LA-CP-03-0245 Los Alamous USA, 2003

9 Perot B, Carasco C, Bernard S,et al. Appl Radiat Isot,2008, 66: 421

10 汲长松. 核辐射探测器及其实验技术手册. 北京: 原子能出版社, 1990. 300 JI Changsong. Handbook of nuclear radiation detectors &their experiment techniques. Beijing: Atomic Energy Press, 1990. 300

11 Gautier G, Iltis A, Raby P,et al. SGC Technical Paper—Recent Progress in LaCl3(Ce), BrilLanCe,October. 2004

CLCO571, TL84

Monte Carlo simulation for designing an explosive-inspection system

WANG Xinhua AN Li ZHENG Pu GUO Haiping HE Tie
(Institute of Nuclear Physics and Chemistry, China Academy of Engineering Physics, Mianyang 621900, China)

In order to optimize the design of γ-ray detectors and data analysis of the system for inspection of explosive with associated alpha particle technique, Monte Carlo code EGSnrc was used to simulated detection efficiency and response function of inorganic scintillator detector for γ-rays, aimed at choosing the right type detector.Pulse height spectra of γ-rays ofΦ5″×8″ NaI(Tl) from graphite, water, ammonium nitrate and simulated explosive induced by 14 MeV neutron were simulated. The calculated results were analyzed and compared with experiments results, demonstrating that simulation method is reliable and it can be used to obtain the database of response function for explosive inspection.

Inspection of explosive, Detection efficiency, Response function, Monte Carlo simulation, Neural network

O571，TL84

王新华，男，1978年出生，2008年于兰州大学获硕士学位，粒子物理与原子核物理专业，从事中子物理学方面的研究

2009-11-20，

2009-12-17