System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种束流截面测量的实现方法及设备技术_技高网

一种束流截面测量的实现方法及设备技术

技术编号:41348476 阅读:4 留言:0更新日期:2024-05-20 10:03
本发明专利技术涉及直线粒子加速器技术领域,具体涉及一种束流截面测量的实现方法及设备;其包括:S1、在直线加速器中采用束斑检测器完成束斑到光斑的转换,并通过远心镜头将光斑成像到相机,完成对光斑图像的采集;S2、基于ADAravis将相机采集的图像数据汇入到EPICS数据库;S3、FCN图像去噪算法基于残差网络的FCN,对图像中的椒盐噪声进行抑制;S4、对图像进行高斯拟合计算出束流截面尺寸,再通过四级铁扫描法计算出束流横向发射度。本发明专利技术通过对图像进行采集,使用全卷积神经网络FCN对图像中的椒盐噪声进行抑制,增加深度学习的收敛性,从而获得更佳的图像信噪比,显著提高测量系统的抗干扰性和精度,使高斯拟合的结果更精确。

【技术实现步骤摘要】

本专利技术涉及直线粒子加速器,具体涉及一种束流截面测量的实现方法及设备


技术介绍

1、电子直线加速器是带电粒子加速器的一种,它是利用高微波功率在行波、驻波加速结构中建立纵向电场对电子束进行加速的一种谐振式加速器,束流测量系统是每个加速器必不可少的重要组件,作为加速器的“眼睛”,描述了束流的特性与行为,对机器状态的测量与性能改善起到至关重要的作用,对于直线加速器来说,束流截面尺寸与束流横向发射度是两个重要的束流参数,因此,为了表征加速器的性能以及衡量束流的状态,需要测量束流的横向截面尺寸、发射度等束流参数。

2、在电子直线加速器中,长期的辐射会对相机传感器产生一定的影响,因此在相机采集到的图像中会存在一定的脉冲噪声污染;目前常用的有三种降噪方式,第一种降噪方式是通过中值滤波器实现的,其基本原理是把数字图像中某一点的值用该点所在领域中各点值的中值进行替代,进而使得这一像素点的值接近真实值,从而达到去噪的效果;第二种降噪方式是cnn,与中值滤波器相比,它拥有更好的噪声抑制效果;第三种降噪方式是zhang等人提出的dcnn网络,该网络通过将批量规范化与残差技术结合的方式实现降噪的效果,通过这种方式可以很好的解决梯度弥散以及信息丢失的问题,并且采用批量规范化技术可以使网络达到更快的收敛。

3、而中值滤波器尽管能对噪声起到一定的抑制效果,但仍无法达到我们的要求,特别是在噪声污染水平比较高情况下,其恢复结果很差;与中值滤波器相比,cnn拥有更好的噪声抑制效果,但是在实际学习中为了达到更好的学习效果,通常会选择增大网络的层数,进而产生诸如需求计算资源过大、模型过拟合、梯度消失/梯度爆炸等问题;dcnn在收敛性方面有所欠缺。

4、综上所述,研发一种束流截面测量的实现方法及设备,仍是直线粒子加速器
中急需解决的关键问题。


技术实现思路

1、针对现有技术所存在的问题,本专利技术的目的在于提供一种束流截面测量的实现方法及设备。

2、为实现上述目的,本专利技术提供了如下技术方案:

3、一种束流截面测量的实现方法,包括以下步骤:

4、s1、在直线加速器中采用束斑检测器完成束斑到光斑的转换,并通过远心镜头将光斑成像到相机,完成对光斑图像的采集;

5、s2、基于adaravis将相机采集的图像数据汇入到epics数据库;

6、s3、fcn图像去噪算法基于残差网络的fcn,对图像中的椒盐噪声进行抑制;

7、s4、对图像进行高斯拟合计算出束流截面尺寸,再通过四级铁扫描法计算出束流横向发射度。

8、本专利技术进一步设置为:在步骤s3中,所述fcn图像去噪算法包括输入层、隐藏层和输出层三个部分,所述输入层由卷积层和整流线性单元relu激活函数组成,所述隐藏层由一系列残差单元组成,且每个残差单元都有噪声的图像和期望的图像之间的差异,同时还采用了预激活残差单元,所述输出层由单个卷积层组成。

9、本专利技术进一步设置为:在步骤s3中,所述fcn图像去噪算法的总体结构包括以下步骤:

10、s31、输入层将输入的噪声图像转换为nc通道特征图,转换过程公式如下:

11、

12、其中,其中表示输入的图像,bin为第一卷积层处的偏置,δ(·)为relu激活函数;

13、s32、之后iin被馈送到隐藏层,假设隐藏层由d个残差单元组成,则残差学习过程可以表示为:

14、

15、其中,i0=iin,r表示残差学习过程,且残差学习过程由批量归一化bn、relu和卷积层组成;

16、s33、最后iin被送到输出层后输出。

17、本专利技术进一步设置为:在步骤s4中,通过四级铁扫描法计算束流横向发射度,包括以下步骤:

18、s41、利用twiss参数描述束流特性,其与束流矩阵∑之间满足关系:

19、

20、其中,β0γ0-α02=1;

21、s42、假设四极铁到束斑检测器直线漂移段长度为ld,四极铁的磁聚焦强度为k,在薄透镜近似下可以将相空间的传输矩阵简化为:

22、

23、s43、将式(1.4)代入式(1.3),可得:

24、

25、s44、由式(1.5)可知束流的横向截面尺寸的σx平方与四极铁的磁聚焦强度k之间成抛物线关系,因此只要对测得的多组与k进行最小二乘拟合即可得到其所在二次函数曲线的参数a、b、c,进而算出束流的横向发射度:

26、

27、一种束流截面测量的设备,包括图像采集模块、束斑检测器模块、通信交互模块、驱动模块、中断回调模块、记录模块、汇入模块和图像处理模块;

28、所述图像采集模块用于通过远心镜头将光斑成像到相机,完成对光斑图像的采集,即通过网络完成图像采集的工作;

29、所述束斑检测器模块用于通过束斑检测器完成束斑到光斑的转换;

30、所述通信交互模块使用用户编写的代码与硬件进行通信,通常用与硬件交互性较好的c语言实现;

31、所述驱动模块主要由c++中自定义的类实现,用于控制相机,同时负责控制屏检测器进入与退出管道;

32、所述中断回调模块主要基于中断回调实现,首先将自己注册为中断源,以便在数值发生变化的时候对自己注册的中断进行回调,然后执行中断处理函数;

33、所述记录模块用于提供标准的设备与记录支持;

34、所述汇入模块用于将相机采集的图像数据汇入到epics数据库中,同时提供标准的epics记录与数据库模板文件;

35、所述图像处理模块是epics通道访问客户端,用于显示和处理采集到的信息。

36、本专利技术进一步设置为:所述束斑检测器选用yag靶作为束流截面的屏监测器。

37、本专利技术进一步设置为:所述汇入模块定义了与驱动模块和中断回调模块相关联的记录。

38、本专利技术进一步设置为:所述图像处理模块包括fcn算法图像去噪模块、高斯拟合计算模块、四级铁计算模块和显示模块;

39、所述fcn算法图像去噪模块采用了基于残差网络的fcn,并使用训练完成的fcn对图像进行去噪;

40、所述高斯拟合计算模块用于使用levmar算法进行非线性拟合计算出高斯参数,进而计算出图像的束流截面尺寸;

41、所述四级铁计算模块用于通过四级铁扫描法计算出图像的束流横向发射度。

42、有益效果

43、采用本专利技术提供的技术方案,与已知的公有技术相比,具有如下

44、有益效果:

45、(1)本专利技术中,基于adaravis开发了数据采集系统,整个系统运行在epics架构下,不但解决了之前会偶尔卡顿的问题,还简化了结构,硬件上选用了能抑制图像透视畸变的远心镜头以及能提高测量精度的高分辨率相机,软件上采用了分布式架构以及模块化设计,将所有数据都集中到本文档来自技高网...

【技术保护点】

1.一种束流截面测量的实现方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的一种束流截面测量的实现方法,其特征在于,在步骤S3中,所述FCN图像去噪算法包括输入层、隐藏层和输出层三个部分,所述输入层由卷积层和整流线性单元ReLU激活函数组成,所述隐藏层由一系列残差单元组成,且每个残差单元都有噪声的图像和期望的图像之间的差异,同时还采用了预激活残差单元,所述输出层由单个卷积层组成。

3.根据权利要求2所述的一种束流截面测量的实现方法,其特征在于,在步骤S3中,所述FCN图像去噪算法的总体结构包括以下步骤:

4.根据权利要求3所述的一种束流截面测量的实现方法,其特征在于,在步骤S4中,通过四级铁扫描法计算束流横向发射度,包括以下步骤:

5.一种束流截面测量的设备,其特征在于,使用了权利要求1-4中任一项的一种束流截面测量的实现方法,包括图像采集模块(1)、束斑检测器模块(2)、通信交互模块(3)、驱动模块(4)、中断回调模块(5)、记录模块(6)、汇入模块(7)和图像处理模块(8);

6.根据权利要求5所述的一种束流截面测量的设备,其特征在于,所述束斑检测器选用YAG靶作为束流截面的屏监测器。

7.根据权利要求5所述的一种束流截面测量的设备,其特征在于,所述汇入模块(7)定义了与驱动模块(4)和中断回调模块(5)相关联的记录。

8.根据权利要求5所述的一种束流截面测量的设备,其特征在于,所述图像处理模块(8)包括FCN算法图像去噪模块(81)、高斯拟合计算模块(82)、四级铁计算模块(83)和显示模块(84);

...

【技术特征摘要】

1.一种束流截面测量的实现方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的一种束流截面测量的实现方法,其特征在于,在步骤s3中,所述fcn图像去噪算法包括输入层、隐藏层和输出层三个部分,所述输入层由卷积层和整流线性单元relu激活函数组成,所述隐藏层由一系列残差单元组成,且每个残差单元都有噪声的图像和期望的图像之间的差异,同时还采用了预激活残差单元,所述输出层由单个卷积层组成。

3.根据权利要求2所述的一种束流截面测量的实现方法,其特征在于,在步骤s3中,所述fcn图像去噪算法的总体结构包括以下步骤:

4.根据权利要求3所述的一种束流截面测量的实现方法,其特征在于,在步骤s4中,通过四级铁扫描法计算束流横向发射度,包括以下步骤:

5.一种束流截...

【专利技术属性】
技术研发人员:周泽然朱文超魏征宇熊子彧
申请(专利权)人:中国科学技术大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1