论文部分内容阅读
MCNP是一种通用的蒙特卡洛粒子输运程序,它能用于计算光子、中子、电子、耦合光子、耦合质子和耦合电子在复杂的三维几何结构体中的输运过程。并且MCNP还具有计算核临界系统(即超临界系统和次临界系统)本征值问题的能力。但是MCNP输入文件异常复杂,而且全部由人工手写输入,这种方式很容易导致输入文件出错,而且随着几何结构的复杂度的增加这种出错率也会随之增加。针对MCNP输入文件人工输入易出错的特点,在计算机物理研究领域内出现了很多由计算机自动生成MCNP输入文件的研究,其中很大一部分是结合CAD三维建模软件来实现MCNP输入文件的自动转换。在这些研究中均基于复杂的数学计算来实现从CAD模型到MCNP几何模型的转换。本文在之前的基于STEP文件的CAD模型到MCNP几何模型转换算法的基础上,从STEP文件信息提取和栅元位置关系判定两个方面重新对该算法进行了设计,提出了一种新的基于卷积神经网络的从CAD模型到MCNP几何模型的转换算法。即通过使用数字匹配替代字符串匹配的方法重新设计了STEP文件信息提取算法,同时通过使用多层感知器(MLP),支持向量机(SVM)和卷积神经网络(CNNs)进行CAD图像分类的方法替代复杂的数学计算实现栅元之间的位置关系判定。通过实验结果的比较得到作为栅元位置关系判定的卷积神经网络在图像大小为60×60时具有最好的分类效果。最终本文采用基于图像大小为60×60的卷积神经网络模型替代复杂的数学计算来得到栅元之间的位置关系,减少复杂数学计算的出错率。此外,STEP文件信息提取部分也获得了进一步的加速效果。本文最后的实验结果表明本文算法具有更好的扩展性和更好的性能,同时提供了一种新的关于CAD模型的特征识别方法。为MCNP输入文件的自动生成提供了一种新的解决方法。