基于机器学习的废印刷电路板热解机理与多目标优化研究

本文系统研究了废印刷电路板（WPCBs）的热解动力学机理，创新性地结合无模型法（FWO、KAS、Friedman）与机器学习模型（ANN、BPNN、SVR、ELM），实现了热解过程的精准预测与多目标优化。研究发现最佳热解参数为500°C、10°C/min，为WPCBs资源化回收提供了兼顾能效与环保的新策略。

　　

材料

实验所用废印刷电路板（WPCBs）采集自广东省深圳市某回收工厂。样品经人工拆解、破碎、研磨后过筛至0.3 mm以下。元素含量参考既往研究，工业分析依据中国国家标准（GB/T 212–2008），最终分析使用元素分析仪（Elementar Vario EL cube）完成。

热降解分析

图1展示了WPCBs在氮气氛围下以10、20、30和40°C/min升温速率的热重（TG）与微分热重（DTG）曲线。不同升温速率下的TG/DTG曲线变化趋势高度一致，表明样品组分均质且分子结构化学键合相似。TG曲线仅呈现一个明显失重阶段，且随升温速率提高，曲线整体向高温区移动。

结论

本研究通过多维度分析揭示了WPCBs的热解特性与优化路径：

1. 1.
   基于FWO、KAS和Friedman方法计算的平均表观活化能（E_α）分别为175.29 kJ/mol、174.38 kJ/mol和170.67 kJ/mol，主曲线法判定热解反应符合F3化学反应模型；
2. 2.
   傅里叶变换红外光谱（FTIR）检测显示...