Kaip reprezentatyvus ugniai atsparaus volframo metalo gaminys, didelio specifinio sunkumo volframo lydinys, be neradioaktyvumo, didelio tankio, didelio stiprumo, didelio kietumo ir gero cheminio stabilumo savybių, pasižymi puikiomis ekranavimo savybėmis ir yra plačiai naudojamas kolimatoriuose, švirkštuose. , ekranuojantys skydai, ekranavimo piltuvėliai, apsauginės skardinės, apsauginės antklodės, trūkumas detektoriai, daugialapės grotelės ir kiti ekranavimo gaminiai.
Volframo lydinio apsauginė savybė reiškia, kad medžiaga apsaugo nuo tokios spinduliuotės kaip γ rentgeno spinduliai, rentgeno spinduliai ir β spinduliuotės gebėjimas prasiskverbti yra glaudžiai susijęs su chemine sudėtimi, organizacine struktūra, medžiagos storiu, darbo aplinka ir kitais veiksniais. medžiaga.
Paprastai volframo vario lydinio ir volframo nikelio lydinio ekranavimo savybės šiek tiek skiriasi, kai yra tas pats žaliavų santykis, mikrostruktūra ir kiti veiksniai. Kai cheminė sudėtis yra vienoda, padidėjus volframo kiekiui arba mažėjant surišto metalo (pvz., nikelio, geležies, vario ir kt.) kiekiui, lydinio ekranavimo savybės yra geresnės; Priešingai, lydinio ekranavimo savybės yra blogesnės. Esant tokioms pačioms kitoms sąlygoms, kuo didesnis lydinio storis, tuo geresnis ekranavimo efektyvumas. Be to, deformacijos, įtrūkimai, sumuštiniai ir kiti defektai rimtai paveiks volframo lydinių ekranavimo savybes.
Volframo lydinio ekranavimo veiksmingumas matuojamas Monte Karlo metodu, siekiant apskaičiuoti lydinio rentgeno ekranavimo veiksmingumą, arba eksperimentiniu metodu lydinio medžiagos ekranavimo poveikiui išmatuoti.
Monte Karlo metodas, taip pat žinomas kaip statistinio modeliavimo metodas ir statistinio testo metodas, yra skaitmeninio modeliavimo metodas, kurio tyrimo objektas yra tikimybės reiškinys. Tai skaičiavimo metodas, kuris naudoja imties tyrimo metodą, kad gautų statistinę vertę, kad būtų galima įvertinti nežinomą būdingą dydį. Pagrindiniai šio metodo žingsniai yra tokie: sukonstruoti imitacinį modelį pagal kovos proceso charakteristikas; Nustatyti reikiamus pagrindinius duomenis; Naudoti metodus, galinčius pagerinti modeliavimo tikslumą ir konvergencijos greitį; Įvertinti modeliavimų skaičių; Sukompiliuokite programą ir paleiskite ją kompiuteryje; Statistiškai apdorokite duomenis ir pateikite problemos modeliavimo rezultatus bei jos tikslumo įvertinimą.
Paskelbimo laikas: 2023-01-29