基于蒙特卡罗减方差方法的图像传感器辐射屏蔽结构多目标优化设计

doi:10.3969/j.issn.1004-132X.2026.05.004

中国机械工程 ›› 2026, Vol. 37 ›› Issue (5): 1045-1053.DOI: 10.3969/j.issn.1004-132X.2026.05.004

• 专栏 • 上一篇

基于蒙特卡罗减方差方法的图像传感器辐射屏蔽结构多目标优化设计

付昊成¹^,²(), 吴少伟²^,³, 姜潮¹^,²()

^1.湖南大学特种装备先进设计技术与仿真教育部重点实验室, 长沙, 410082
^2.核装备可靠性技术湖南省重点实验室, 长沙, 410082
^3.长沙理工大学机械与运载工程学院, 长沙, 410114

收稿日期:2025-09-02 出版日期:2026-05-25 发布日期:2026-06-09
通讯作者: 姜潮
作者简介:付昊成，男，2000年生，博士研究生。研究方向为辐射仿真与屏蔽结构优化设计方法、蒙特卡罗粒子输运方法。E-mail：fuhaocheng@hnu.edu.cn
姜潮^*（通信作者），男，1978年生，教授、博士研究生导师。研究方向为现代设计技术、机械可靠性。 E-mail：jiangc@hnu.edu.cn。
基金资助:
国家自然科学基金(12402233);国家自然科学基金重点项目(52235005)

Radiation Shielding Structure Multi-objective Optimization of Imagine Sensors Based on Monte-Carlo Variance Reduction Method

FU Haocheng¹^,²(), WU Shaowei²^,³, JIANG Chao¹^,²()

^1.Key Laboratory of Advanced Design and Simulation Techniques for Special Equipment of Ministry of Education，Hunan University，Changsha，410082
^2.Hunan Provincial Key Laboratory of Nuclear Equipment Reliability Technology，Changsha，410082
^3.College of Automotive and Mechanical Engineering，Changsha University of Science and Technology，Changsha，410114

Received:2025-09-02 Online:2026-05-25 Published:2026-06-09
Contact: JIANG Chao

摘要/Abstract

摘要：

针对核辐射环境下图像传感器辐射屏蔽问题，提出基于蒙特卡罗（MC）减方差的辐射仿真方法和屏蔽结构多目标优化设计方法。根据中子和光子耦合输运原理构建图像传感器的多辐射源复合屏蔽模型，并针对其厚屏蔽微探测结构特征提出特征插值权窗MC减方差的屏蔽仿真方法，有效提高了其屏蔽仿真的计算效率与精度；通过将遗传算法与辐射屏蔽结构参数化几何建模结合，构建图像传感器的多目标优化设计方法，以获得体积、质量和剂量率参数下最优解并得到Pareto前沿的非劣解组合。数值实验验证了该图像传感器辐射屏蔽结构优化设计方法的有效性。

关键词: 图像传感器, 辐射屏蔽, 多目标优化设计, 蒙特卡罗粒子输运, 减方差方法

Abstract:

The radiation simulation method and shielding structure multi-objective optimization design method were proposed based on MC variance reduction for the radiation shielding problems of image sensors in nuclear radiation environments. According to the principles of coupled neutron and photon transport， a multi radiation source composite shielding model was constructed for image sensors， and a shielding simulation method of characteristic interpolation weight window MC variance reduction was proposed for the thick-shielding micro-detection structure characteristics， effectively improving the computational efficiency and accuracy of the shielding simulation. By combining the genetic algorithms with parameterized geometric modeling of radiation shielding structures， a multi-objective optimization design method for image sensors was constructed to obtain the optimal solution under volume， mass， and dose rate parameters and obtain a non-dominated solution combination of Pareto front. Numerical experiments verified the effectiveness of the imagine sensor radiation shielding structure optimization design method.

Key words: imagine sensor, radiation shielding, multi-objective optimization, Monte-Carlo（MC） particle transport, variance reduction method

中图分类号:

TP182

付昊成, 吴少伟, 姜潮. 基于蒙特卡罗减方差方法的图像传感器辐射屏蔽结构多目标优化设计[J]. 中国机械工程, 2026, 37(5): 1045-1053.

FU Haocheng, WU Shaowei, JIANG Chao. Radiation Shielding Structure Multi-objective Optimization of Imagine Sensors Based on Monte-Carlo Variance Reduction Method[J]. China Mechanical Engineering, 2026, 37(5): 1045-1053.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://www.cmemo.org.cn/CN/10.3969/j.issn.1004-132X.2026.05.004

https://www.cmemo.org.cn/CN/Y2026/V37/I5/1045

图/表 26

图1 直筒式复合屏蔽结构

Fig.1 Straight tube composite shielding structure

图2 CSG简化模型

Fig.2 Simplified CSG model

图3 球壳源抽样流程图

Fig.3 Sampling process diagram of spherical shell source

图4 球壳源空间通量率分布

Fig.4 Spatial flux distribution of spherical shell source

图5 先验权窗

Fig.5 Prior weight windows

图6 特征插值权窗

Fig.6 Characteristics weight window

图7 不同采样数对比图

Fig.7 Comparison with different sampling numbers

图8 FOM值相对比例对比

Fig.8 Comparation of FOM factor relative scale

图9 相对标准误差对比

Fig.9 Comparation of relative standard error

图10 计算用时对比

Fig.10 Comparation of calculation time

图11 优化变量设计

Fig.11 Design of optimization variable

表1 材料选择编码

Tab.1 Code of material selections

材料编号	二进制编码	材料	密度/（g·cm $- 3$ ）
0	0000	玻璃	2.40
1	0001	含硼玻璃	2.23
2	0010	铅玻璃	6.22
3	0011	石英玻璃	2.20
4	0100	铅	11.35
5	0101	锻钢	7.70
6	0110	灰铸铁	7.15
7	0111	302不锈钢	7.86
8	1000	铝	2.73
9	1001	钨	19.30
10	1010	PE	0.93
11	1011	PET	1.38
12	1100	含硼PE	1.00

表1 材料选择编码

Tab.1 Code of material selections

材料编号	二进制编码	材料	密度/（g·cm $- 3$ ）
0	0000	玻璃	2.40
1	0001	含硼玻璃	2.23
2	0010	铅玻璃	6.22
3	0011	石英玻璃	2.20
4	0100	铅	11.35
5	0101	锻钢	7.70
6	0110	灰铸铁	7.15
7	0111	302不锈钢	7.86
8	1000	铝	2.73
9	1001	钨	19.30
10	1010	PE	0.93
11	1011	PET	1.38
12	1100	含硼PE	1.00

表2 参数组合

Tab.2 Parameter combination

组号	C_R	C_V	C_W
1	0.8	0.1	0.1
2	0.7	0.2	0.1
3	0.6	0.3	0.1
4	0.6	0.2	0.2
5	0.5	0.4	0.1
6	0.5	0.3	0.2

图12 目标函数迭代优化结果

Fig.12 Iterative optimization results of objective function

图13 剂量率迭代优化结果

Fig.13 Iterative optimization results of dose rate

图14 体积迭代优化结果

Fig.14 Iterative optimization results of volume

图15 质量迭代优化结果

Fig.15 Iterative optimization results of mass

表3 不同参数组合最优化设计结果

Tab.3 Optimization results of different group

组号	剂量率/（Gy·h $- 1$ ）	体积/cm³	质量/kg	x₁/cm	x₂/cm	x₃/cm	x₄/cm	x₅/cm	x₆/cm	m₁	m₂	m₃	m₄
1	0.040	5931	50.509	3.82	1.90	4.07	1.41	4.09	3.67	2	1	10	9
2	0.055	4730	23.123	4.11	1.74	0.79	3.92	3.80	2.70	2	3	9	12
3	0.052	4476	15.508	3.30	4.14	0.11	4.69	2.43	2.70	3	2	9	10
4	0.047	5300	22.425	4.19	2.98	0.83	4.00	2.67	4.30	3	2	9	12
5	0.065	3090	35.300	0.90	3.29	1.82	1.92	1.22	3.45	1	2	10	9
6	0.054	4223	15.017	2.78	4.80	0.06	4.54	2.55	0.53	2	1	9	12

表3 不同参数组合最优化设计结果

Tab.3 Optimization results of different group

组号	剂量率/（Gy·h $- 1$ ）	体积/cm³	质量/kg	x₁/cm	x₂/cm	x₃/cm	x₄/cm	x₅/cm	x₆/cm	m₁	m₂	m₃	m₄
1	0.040	5931	50.509	3.82	1.90	4.07	1.41	4.09	3.67	2	1	10	9
2	0.055	4730	23.123	4.11	1.74	0.79	3.92	3.80	2.70	2	3	9	12
3	0.052	4476	15.508	3.30	4.14	0.11	4.69	2.43	2.70	3	2	9	10
4	0.047	5300	22.425	4.19	2.98	0.83	4.00	2.67	4.30	3	2	9	12
5	0.065	3090	35.300	0.90	3.29	1.82	1.92	1.22	3.45	1	2	10	9
6	0.054	4223	15.017	2.78	4.80	0.06	4.54	2.55	0.53	2	1	9	12

图16 优化结果相对比值

Fig.16 Relative rate of optimization results

表4 加权系数相关系数

Tab.4 Weight factor correlation coefficient

	C_R	C_V	C_M
剂量率	$-$ 0.74	0.82	0.57
体积	$-$ 0.97	$-$ 0.97	$-$ 0.42
质量	$-$ 0.15	0.11	$-$ 0.46

表4 加权系数相关系数

Tab.4 Weight factor correlation coefficient

	C_R	C_V	C_M
剂量率	$-$ 0.74	0.82	0.57
体积	$-$ 0.97	$-$ 0.97	$-$ 0.42
质量	$-$ 0.15	0.11	$-$ 0.46

图17 第1组非劣解分布

Fig.17 Distribution of non-inferior solutions in Group 1

图18 第2组非劣解分布

Fig.18 Distribution of non-inferior solutions in Group 2

图19 第3组非劣解分布

Fig.19 Distribution of non-inferior solutions in Group 3

图20 第4组非劣解分布

Fig.20 Distribution of non-inferior solutions in Group 4

图21 第5组非劣解分布

Fig.21 Distribution of non-inferior solutions in Group 5

图22 第6组非劣解分布

Fig.22 Distribution of non-inferior solutions in Group 6

参考文献 25

[1]	CHANG Y， ZOU S， LIN G， et al. Research on Radiation Damage and Reinforcement of Control and Sensing Systems in Nuclear Robots［J］. Electronics， 2024， 13（7）：1214.
[2]	KHANAM Z， ASLAM B， SAHA S， et al. Gamma-Induced Image Degradation Analysis of Robot Vision Sensor for Autonomous Inspection of Nuclear Sites［J］. IEEE Sensors Journal， 2021， 22（18）： 17378-17390.
[3]	JOHNSTON A H， RAX B G， LEE C I. Enhanced Damage in Linear Bipolar Integrated Circuits at Low Dose Rate［J］. IEEE Transactions on Nuclear Science， 1995， 42（6）： 1650-1659.
[4]	ANTONSANTI A， VIRMONTOIS C， LAUENSTEIN J M， et al. Probing Dark Current Random Telegraph Signal in a Small Pitch Vertically Pinned Photodiode CMOS Image Sensor after Proton Irradiation［J］. IEEE Transactions on Nuclear Science， 2022， 69（7）： 1506-1514.
[5]	GAO T， YIN C， CHEN Y， et al. Simulation of Total Ionizing Dose Effects Technique for CMOS Inverter Circuit［J］. Micromachines， 2023， 14（7）： 1438.
[6]	NÁFRÁDI G， CZIFRUS S， KOCSIS G， et al. Analysis of Dark Current Images of a CMOS Camera during Gamma Irradiation［J］. Fusion Engineering and Design， 2013， 88（12）： 3169-3175.
[7]	XUE Y， WANG Z， CHEN W， et al. Modeling Dark Signal of CMOS Image Sensors Irradiated by Reactor Neutron Using Monte Carlo Method［J］. Science China Information Sciences， 2018， 61： 1-10.
[8]	徐守龙，邹树梁，彭聪. CMOS APS数字模组辐射环境中的屏蔽加固［J］. 核动力工程， 2018， 39（4）： 165-170.
	XU Shoulong， ZOU Shuliang， PENG Cong. Shielding Reinforcement Of CMOS APS Digital Modules in Radiation Environment［J］. Nuclear Power Engineering， 2018， 39（4）： 165-170.
[9]	SONG Y， ZHANG Z， MAO J， et al. Research on Fast Intelligence Multi-objective Optimization Method of Nuclear Reactor Radiation Shielding［J］. Annals of Nuclear Energy， 2020， 149： 107771.
[10]	CHEN Z， ZHANG Z， XIE J， et al. Multi-objective Optimization Strategies for Radiation Shielding Design with Genetic Algorithm［J］. Computer Physics Communications， 2021， 260： 107267.
[11]	许淑艳. 蒙特卡罗方法在实验核物理中的应用［M］. 北京：原子能出版社， 2006： 19-67.
	XU Shuyan. Application of Monte Carlo Method in Experimental Nuclear Physics［M］.Beijing： Atomic Energy Press， 2006： 19-67.
[12]	BINJOLA A. Interaction of Radiation with Matter［M］∥ Practical Radiation Oncology.Singapore： Springer， 2020： 3-11.
[13]	HU G， HU H， YANG Q， et al. Study on the Design and Experimental Verification of Multilayer Radiation Shield against Mixed Neutrons and γ-Rays［J］. Nuclear Engineering and Technology， 2020， 52（1）： 178-184.
[14]	BROWN F B， BARRETT R F， BOOTH T E， et al. MCNP Version 5［J］. Transactions of the American Nuclear Society， 2002， 87（273）： 02-3935.
[15]	ROMANO P K， JOSEY C J， JOHNSON A E，et al. Depletion Capabilities in the Openmc Monte Carlo Particle Transport Code［J］. Annals of Nuclear Energy， 2021， 152： 107989.
[16]	ALSAYED Z， BADAWI M S， AWAD R， et al. Study of Some γ-Ray Attenuation Parameters for New Shielding Materials Composed of Nano ZnO Blended with High Density Polyethylene［J］. Nuclear Technology and Radiation Protection， 2019， 34（4）： 342-352.
[17]	BARTHEL J， SARIGUL-KLIJN N. Importance of Spherical Shell Models for Radiation Shielding Designs on Space Missions［J］. Journal of Spacecraft and Rockets， 2019， 56（5）： 1658-1661.
[18]	PAN Q， RAO J， HUANG S， et al. Improved Adaptive Variance Reduction Algorithm Based on RMC Code for Deep Penetration Problems［J］. Annals of Nuclear Energy， 2020， 137： 107113.
[19]	AKIMA H. A New Method of Interpolation and Smooth Curve Fitting Based on Local Procedures［J］. Journal of the Association for Computing Machinery， 1970， 17（4）：589-602.
[20]	DAVIS A， TURNER A. Comparison of Global Variance Reduction Techniques for Monte Carlo Radiation Transport Simulations of ITER［J］. Fusion Engineering and Design， 2011， 86（9/11）： 2698-2700.
[21]	姜一啸，吉卫喜，何鑫，等.基于改进非支配排序遗传算法的多目标柔性作业车间低碳调度［J］. 中国机械工程， 2022，33（21）： 2564-2577.
	JIANG Yixiao， JI Weixi， HE Xin， et al. Low-carbon Scheduling of Multi-objective Flexible Job Shop Based on Improved Non-dominated Sorting Genetic Algorithm［J］. China Mechanical Engineering， 2022， 33（21）： 2564-2577.
[22]	陈德锋. 基于MCNP程序的AP1000反应堆屏蔽分析研究［D］. 哈尔滨：哈尔滨工程大学， 2013.
	CHEN Defeng. Research on Shielding Analysis of AP1000 Reactor Based on MCNP Program［D］. Harbin： Harbin Engineering University， 2013.
[23]	AKHTAR S M J， ASHRAF M， KHAN S H. A Study of Neutron and Gamma Radiation Effects on Transmission of Various Types of Glasses， Optical Coatings， Cemented Optics and Fiber［J］. Optical Materials， 2007， 29（12）： 1595-1603.
[24]	ZHANG S， WANG Z， LI C， et al. Study on Neutron Shielding Performance of Hot Cell Shielding Door for Nuclear Power Plant［J］. Annals of Nuclear Energy， 2022， 166： 108752.
[25]	田宗睿，智鹏鹏，云国丽，等. 基于自适应增量Kriging模型的多目标稳健优化设计方法［J］. 中国机械工程， 2023， 34（8）： 931-940.
	TIAN Zongrui， ZHI Pengpeng， YUN Guoli， et al. Multi-objective Robust Optimization Design Method Based on Adaptive Incremental Kriging Model［J］. China Mechanical Engineering， 2023， 34（8）： 931-940.

基于蒙特卡罗减方差方法的图像传感器辐射屏蔽结构多目标优化设计

Radiation Shielding Structure Multi-objective Optimization of Imagine Sensors Based on Monte-Carlo Variance Reduction Method

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 26

参考文献 25

相关文章 2

编辑推荐

Metrics

组号	C_R	C_V	C_W
1	0.8	0.1	0.1
2	0.7	0.2	0.1
3	0.6	0.3	0.1
4	0.6	0.2	0.2
5	0.5	0.4	0.1
6	0.5	0.3	0.2

组号	C_R	C_V	C_W
1	0.8	0.1	0.1
2	0.7	0.2	0.1
3	0.6	0.3	0.1
4	0.6	0.2	0.2
5	0.5	0.4	0.1
6	0.5	0.3	0.2

[1]	郑侃, 廖文和, 张翔. 基于近似模型管理的微小卫星结构多目标优化设计[J]. 中国机械工程, 2012, 23(6): 655-659.
[2]	张贤明1, 牟瑛1, 王立存1, 2, 陈国强1, 李萍1, 陈彬1. 基于NSGA-Ⅱ的多目标遗传算法通用涡旋盘的优化设计[J]. 中国机械工程, 2012, 23(13): 1598-1602.

组号	C_R	C_V	C_W
1	0.8	0.1	0.1
2	0.7	0.2	0.1
3	0.6	0.3	0.1
4	0.6	0.2	0.2
5	0.5	0.4	0.1
6	0.5	0.3	0.2

组号	C_R	C_V	C_W
1	0.8	0.1	0.1
2	0.7	0.2	0.1
3	0.6	0.3	0.1
4	0.6	0.2	0.2
5	0.5	0.4	0.1
6	0.5	0.3	0.2

组号	C_R	C_V	C_W
1	0.8	0.1	0.1
2	0.7	0.2	0.1
3	0.6	0.3	0.1
4	0.6	0.2	0.2
5	0.5	0.4	0.1
6	0.5	0.3	0.2

组号	C_R	C_V	C_W
1	0.8	0.1	0.1
2	0.7	0.2	0.1
3	0.6	0.3	0.1
4	0.6	0.2	0.2
5	0.5	0.4	0.1
6	0.5	0.3	0.2