Gatti, Fabricio (2022) Análisis de metodologías para generar modelos Monte Carlo a partir de planos mecánicos / Analysis of methodologies to generate CAD-based geometry Monte Carlo models. Proyecto Integrador Ingeniería Nuclear, Universidad Nacional de Cuyo, Instituto Balseiro.
![[img]](/style/images/fileicons/application_pdf.png)
| PDF Español 5Mb |
Resumen en español
En el presente trabajo se analizaron los diferentes métodos disponibles para generar modelos Monte Carlo a partir de planos mecánicos digitales. En particular, se estudió la generación de las geometrías como input para el código OpenMC a través de dos métodos. El primero consiste en generar la geometría a partir de la técnica CSG a través de la API en Python de OpenMC, mientras que el segundo consiste en utilizar directamente el modelo desde el plano mecánico a través de DAGMC-OpenMC. En primer lugar, como parte del trabajo, se realizó una verificación y validación del método DAGMC-OpenMC utilizando dos problemas benchmarks. Posteriormente, se realizó una comparación entre el método tradicional con CSG y el método DAGMC, con modelos de geometrías simples. Se concluyó que la utilización del método DAGMC no representa una ventaja en lo que respecta a geometrías simples debido al aumento en el tiempo de cálculo. Por otro lado, se realizaron simulaciones de modelos con geometrías más complejas. Estos modelos se simularon a través de DAGMC, ya que se dificulta su generación a través de CSG, mostrando las capacidades disponibles de este método. Se mostró la posibilidad de resolver problemas que requieran la generación de modelos complejos a través de este método. En algunos de estos modelos, debido a la presencia de materiales absorbentes, se aplicó un método global de reducción de varianza. Puntualmente, se aplicó el método de ventanas de peso basadas en el flujo las cuales se utilizaron en una malla no estructurada aplicada a la geometría simulada. Se presentan las ventajas y problemas del método DAGMC, con su respectivo análisis.
Resumen en inglés
In the present work, the different methods available to generate Monte Carlo models from CAD drawings were analyzed. In particular, the generation of geometries as inputs for the OpenMC code was studied through two methods. The first one consists of generating the geometry from the CSG technique through the OpenMC Python API, while the second one consists of directly generating the model from the CAD file through DAGMC-OpenMC. First, as part of the work, a rough V&V of the DAGMC-OpenMC method was performed using two benchmarks problems. Subsequently, a comparison was made between the traditional method with CSG and the DAGMC method, with simple geometries models. It was concluded that the use of the DAGMC method does not represent an advantage concerning simple geometries due to the increase in computational time. On the other hand, simulations of models with more complex geometries were performed. These models were simulated through DAGMC, since it is difficult to generate them through CSG, showing the available capabilities of this method. The possibility of solving problems requiring the generation of complex models through this method was shown. In some of these models, due to the presence of absorbing materials, a global variance reduction method was considered within. Specifically, the method of flux-based weight windows was applied to an unstructured mesh applied to the simulated geometry. The advantages and problems of the DAGMC method are presented, with their respective analysis.
| Tipo de objeto: | Tesis (Proyecto Integrador Ingeniería Nuclear) |
|---|---|
| Palabras Clave: | Monte Carlo Method, Método Monte Carlo; [Digital mechanical drawings; Planos mecánicos digitales; Constructive solid geometry; Geometría sólida constructiva; Direct accelerated geometry Monte Carlo; Geometría acelerada directa Monte Carlo] |
| Referencias: | [1] Constructive solid geometry. https://en.wikipedia.org/wiki/ Constructive_solid_geometry, 2022. Accedido: 10 de Junio de 2022. (Citado en página 2) [2] Python. https://docs.python.org/release/3.10.4/tutorial/index.html. Accedido: 24 de Mayo de 2022. (Citado en página 3) [3] Stacey W.M. Nuclear Reactor Physics, chapter 9.12. Wiley-VCH, Weinheim, 2 edition, 2007. (Citado en página 4) [4] Diseño asistido por ordenador (CAD). Siemens. https://www.plm.automation.siemens.com/global/es/our-story/glossary/computer-aideddesigncad/12507#:˜:text=El%20dise%C3%B1o%20asistido%20por%20ordenador,y%20a%20los%20prototipos%20de% 20producto. Accedido: 24 de Mayo de 2022. (Citado en página 4) [5] Coreform Cubit. . https://coreform.com/products/coreform-cubit/. Accedido: 12 de Mayo de 2022. (Citado en página 4) [6] CAD Exchanger . https://cadexchanger.com/. Accedido: 12 de Mayo de 2022. (Citado en página 4) [7] Meshio. https://pypi.org/project/meshio/. Accedido: 12 de Mayo de 2022. (Citado en página 4, 23) [8] Pandas. https://pandas.pydata.org. Accedido: 27 de Marzo de 2022. (Citado en página 4) [9] Paraview. . https://www.paraview.org/. Accedido: 12 de Mayo de 2022. (Citado en página 4) [10] Salome - Meca. . https://code-aster.org/spip.php?article146. Accedido: 12 de Mayo de 2022. (Citado en página 4) [11] Romano P.K., Horelik, N.E., Herman, B.R., Nelson, A.G., Forget, A., and Smith K. OpenMC: A state-of-the-art Monte Carlo code for research and development. Annals of Nuclear Energy, 2014. (Citado en página 4) [12] OpenMC. Bibliotecas de secciones eficaces microsc´opicas. https://openmc.org/ official-data-libraries/. Accedido: 10 de Agosto de 2021. (Citado en página 4) [13] OpenMC. Theory and Metodology. Tallies. https://docs.openmc.org/en/ stable/methods/tallies.html. Accedido: 12 de Mayo de 2022. (Citado en página 5) [14] DAGMC: Direct Accelerated Geometry Monte Carlo. https://svalinn.github.io/DAGMC/. Accedido: 12 de Mayo de 2022. (Citado en página 5) [15] A General Monte Carlo N-Particle (MCNP) Transport Code. Los Alamos National Laboratory. https://mcnp.lanl.gov/. Accedido: 22 de Mayo de 2022. (Citado en página 5, 56) [16] Geant4. A simulation toolkit. https://geant4.web.cern.ch/. Accedido: 22 de Mayo de 2022. (Citado en página 5, 56) [17] Fluka. http://www.fluka.org/fluka.php. Accedido: 22 de Mayo de 2022. (Citado en página 5, 56) [18] Tripoli-4. The Monte Carlo particle transport code of CEA. https://www.cea.fr/energies/tripoli-4. Accedido: 22 de Mayo de 2022. (Citado en página 5, 56) [19] Shift. Meitner Resource Team. https://meitner.ornl.gov/doe-codes/shift/. Accedido: 22 de Mayo de 2022. (Citado en página 5, 56) [20] SOLIDWORKS. https://www.solidworks.com/es. Accedido: 23 de Mayo de 2022. (Citado en página 5) [21] CATIA. https://www.3ds.com/es/productos-y-servicios/catia/Accedido: 23 de Mayo de 2022. (Citado en página 5) [22] Ansys SpaceClaim 3D Modeling Software. https://www.ansys.com/products/3d-design/ansys-spaceclaim. Accedido: 22 de Mayo de 2022. (Citado en página 5, 45) [23] Villarino E. and Leszczynski F. Numerical Benchmarks for MTR Fuel Assemblies with Burnable Poison. Conference paper, 2003. (Citado en página 7, 8) [24] Bazzana S.P. and Marquéz J.I. RA-6 Reactor: Water Reflected, Water Moderated U(19.77)7Si2 − Al Fuel Plates. IEU-COMPT-THERM-014. Technical report, International Handbook of Evaluated Critically Safety Benchmark Experiments., 2010. (Citado en página 10) [25] Bazzana S.P. Desarrollo, análisis y evaluación de experimentos neutrónicas en el RA- 6. Master’s thesis, Instituto Balseiro. Universidad Nacional de Cuyo., 2012. (Citado en página 10, 11, 12, 14, 16) [26] Tautges T.J., Meyers R., Merkley K., Stimpson C., and Ernst C. MOAB: A Mesh-oriented Database. 2004. (Citado en página 17) [27] CGM — The Common Geometry Module. https://sigma.mcs.anl.gov/cgm-library/. Accedido: 12 de Mayo de 2022. (Citado en página 17) [28] Wilson P.P.H., Tautges T.J., Kraftcheck J.A., Smith B.M., and Henderson D.L. Acceleration techniques for the direct use of CAD-based geometry in fusion neutronics analysis. Fusion Engineering and Design, 2010. (Citado en página 17, 20, 21, 22) [29] Geometric Modeling Kernel. Siemens. https://www.plm. automation.siemens.com/global/en/our-story/glossary/geometric-modeling-kernel/27066. Accedido: 23 de Mayo de 2022. (Citado en página 19) [30] 3D - ACIS Modeler. https://www.spatial.com/products/3d-acis-modeling. Accedido: 16 de Mayo de 2022. (Citado en página 19) [31] OpenMC. Neutron Physics. Sampling Distance to Next Collision. https://docs.openmc.org/en/stable/methods/neutron_physics.html. Accedido: 16 de Mayo de 2022. (Citado en página 19) [32] Delta- and surface-tracking. http://serpent.vtt.fi/mediawiki/index.php/Delta-_and_surface-tracking. Accedido: 16 de Mayo de 2022. (Citado en página 19) [33] Patrick Shriwise. PyMOAB Script for compiling a non-overlapping set of STLs into a DAGMC model. https://gist.github.com/pshriwise/52452c37d4b7dd89bdc9374e13c35157. Accedido: 27 de Mayo de 2022. (Citado en página 23, 56) [34] Coreform CUBIT. Reference Manual. Geometry Cleanup and Defeaturing. https: //coreform.com/manuals/latest/cubit_reference/cleanup_and_defeaturing.html. Accedido: 17 de Mayo de 2022. (Citado en página 23) [35] Autodesk. User’s Manual. Watertight CAD Model. https://knowledge.autodesk.com/support/moldflow-insight/learn-explore/ caas/CloudHelp/cloudhelp/2017/ENU/MoldflowInsight/files/GUID-C0DF9415-33E2-4324-9278-61DB76CA3402-htm.html. Accedido: 17 de Mayo de 2022. (Citado en página 24) [36] P.P.H. Wilson. Direct Use of CAD Geometry in Monte Carlo Radiation Transport. In Computational Nuclear Engineering Research Group (CNERG). University of Wisconsin–Madison., 2012. (Citado en página 24) [37] S. Frankle. A Suite of Critically Benchmarks for Validating Nuclear Data. LA-13594. 1999. (Citado en página 24) [38] Tahara Y., Sekimoto H., and Miyoshi Y. Reactivity Effect of Iron Reflector in LWR Cores. Journal of Nuclear Science and Technology., 2000. (Citado en página 25, 26, 28) [39] Whalen D.J., Cardon D.A., Uhle J.L., and Hendricks J.S. MCNP: Neutron Benchmark Problems. Technical report, Los Alamos National Laboratory. LA-12212., 1991. (Citado en página 30, 31) [40] P.J. Snouffer, R.N. Slaybaugh, and P.P.H. Wilson. Criticality Benchmark Comparisons for DAGMC. American Nuclear Society Annual Conference, 2011. (Citado en página 32) [41] OpenMC. Theory and Metodology. Weight Windows. https://docs. openmc.org/en/stable/methods/neutron_physics.html# variance-reduction-techniques. Accedido: 21 de Mayo de 2022. (Citado en página 34, 36) [42] Booth T.E. and Hendricks J.S. Importance Estimation in Forward Monte Carlo Calculations. Nuclear Technology - Fusion. Taylor and Francis., 1984. (Citado en página 35) [43] van Wijk A.J., Van den Eynde G., and Hoogenboom J.E. An easy to implement global variance reduction procedure for MCNP. Annals of Nuclear Energy, 2011. (Citado en página 35) [44] M.A. Cooper and E.W. Larsen. Automated Weight Windows for Global Monte Carlo Particle Transport Calculations. Taylor and Francis., 2001. (Citado en página 35) [45] X-5 Monte Carlo Team. MCNP — A General Monte Carlo N-Particle Transport Code, Version 5. Technical report, Los Alamaos National Laboratory. LA-UR-03-1987, 2003. (Citado en página 36) [46] A. Davis and A. Turner. Comparison of global variance reduction techniques for Monte Carlo radiation transport simulations of ITER. Fusion Engineering and Design, 2011. (Citado en página 37) [47] INVAP. https://www.invap.com.ar/. Accedido: 11 de Junio de 2022. (Citado en página 39) [48] DAGMC unstructured mesh tallies. https://svalinn.github.io/DAGMC/ usersguide/tally.html. Accedido: 25 de Mayo de 2022. (Citado en página 40) [49] ICRP. Conversion Coefficients for Radiological Protection Quantities for External Radiation Exposures., 2010. ICRP Publication 116, Ann. ICRP 40(2-5). (Citado en página 44) [50] INVAP. OPAL in Australia. https://www.invap.com.ar/en/divisions/ nuclear/opal-in-australia/. Accedido: 25 de Mayo de 2022. (Citado en página 45) [51] M. Graffigna. Metodología de cálculo de activación mediante acoplamiento CFD-Monte Carlo., 2022. Tesis de Grado. Instituto Balseiro. Universidad Nacional de Cuyo. (Citado en página 46) [52] Hu Y., Ya S., Qiu Y., and Zheng Y. Implementation and benchmarking of an automatic global variance reduction method on OpenMC. Fusion Engineering and Design, 2021. (Citado en página 56) [53] Zheng Y., Qiu Y., Lu P., Chen Y., Fischer U., and Liu S. An improved on-the-fly global variance reduction technique by automatically updating weight window values for Monte Carlo shielding calculation. Fusion Engineering and Design, 2019. (Citado en página 56) |
| Materias: | Ingeniería nuclear > Transporte de radiación |
| Divisiones: | INVAP |
| Código ID: | 1093 |
| Depositado Por: | Tamara Cárcamo |
| Depositado En: | 28 Jul 2022 10:28 |
| Última Modificación: | 28 Jul 2022 16:07 |
Personal del repositorio solamente: página de control del documento
