编辑推荐：
随着塑料废弃物的大量产生，环境问题日益严峻。研究人员针对废弃低密度聚乙烯（LDPE）降解难题，开展了废弃麻疯树饼（DOMC）与 LDPE 共热解行为研究。结果表明两者共热解有协同效应，降低了 LDPE 的活化能（Ea）。该研究为塑料废弃物降解和能源回收提供新方向。
在当今时代，塑料在人们的生活中无处不在，从包装材料到各类生活用品，塑料的身影随处可见。然而，这也带来了一个棘手的问题 —— 塑料废弃物的大量堆积。印度作为塑料生产大国，2019 - 2020 年就产生了约 350 万吨塑料垃圾，其中低密度聚乙烯（LDPE）占比达 20 - 25% 。LDPE 由于其化学结构稳定，难以自然降解，在环境中长久存在，对生态环境造成了严重威胁。同时，大量废弃的非食用油籽饼粕，如麻疯树饼（DOMC），通常被当作废料处理，未得到有效利用。
在此背景下，为了探索可持续的能源回收途径，解决塑料废弃物污染问题，印度的研究人员开展了关于废弃麻疯树饼（DOMC）和废弃低密度聚乙烯（LDPE）共热解行为的研究。该研究成果发表在《Biomass and Bioenergy》上，为塑料废弃物处理和能源回收开辟了新的方向。
研究人员运用了多种技术方法来开展此项研究。首先，通过热重分析（TGA），在不同升温速率（5、10 和 20°C/min）和氮气氛围下，监测样品质量随温度的变化，以此分析共热解过程中的热降解行为。其次，采用了 Flynn - Wall - Ozawa（FWO）、Kissinger - Akahira - Sunose（KAS）、Starink、Tang 和 Boswell 等无模型动力学方法，对共热解反应的动力学参数进行分析，计算出活化能（Ea）和指前因子（k0）等关键参数，并进一步评估热力学参数，如焓变（ΔH）、吉布斯自由能变（ΔG）和熵变（ΔS） 。最后，利用基于反应特定参数的前馈 - 反向传播算法构建人工神经网络（ANN）模型，基于热重 - 微商热重（TG - DTG）数据预测热解行为。
1. 材料特性分析
研究人员使用的 DOMC 取自印度中央邦博帕尔附近的一家当地酒类生产商。经过阳光晾晒 24 - 36 小时，再在 50°C 烘箱中干燥 2 小时后，粉碎成粉末。废弃 LDPE 则收集自牛奶、凝乳和酪乳包装袋，经过清洗、晾晒 24 小时，切成 2 - 4mm 的碎片后磨成粉末。两种粉末均过 200 目筛，以保证混合均匀。混合后的物料在 1:1 比例下进行物理化学特性分析，发现其水分含量为 1.2%，这意味着热预处理去除多余水分对于提高热解产物质量和热效率十分关键；灰分含量为 2.3%，与城市固体废物中 LDPE 的灰分含量相符；同时还测定了挥发分含量。
2. 共热解热降解行为研究
通过热重分析，研究人员发现 DOMC 和废弃 LDPE 混合物在氮气氛围下的热降解过程可分为明显的三个阶段：脱水阶段（30 - 200°C），主要是去除样品中的水分； devolatilization 阶段（200 - 500°C），此阶段占总失重的 80 - 85%，是混合物热解的关键阶段，大量挥发性物质在此阶段释放；碳化阶段（500 - 800°C） ，剩余物质进一步碳化。研究表明，生物质（DOMC）和 LDPE 之间的协同作用在热解过程中发挥了重要作用，降低了热解所需的活化能（Ea），从而提高了分解效率。
3. 动力学和热力学分析
运用多种无模型动力学方法分析发现，当 LDPE 与 DOMC 混合时，其活化能（Ea）显著降低，这进一步证实了两者共热解存在协同效应。通过这些动力学参数，研究人员还计算出了热力学参数，如焓变（ΔH）、吉布斯自由能变（ΔG）和熵变（ΔS），从多个角度深入了解共热解反应的本质。
4. 人工神经网络模型预测
研究人员构建的人工神经网络（ANN）模型展现出了极高的预测准确性（R2 ～1）。该模型能够有效捕捉不同升温速率下的热解行为，为热解过程的优化提供了有力的理论支持。与传统动力学方法相比，ANN 模型在预测热解行为方面具有独特优势，能够更好地处理复杂的非线性关系。
综合上述研究结果，该研究得出结论：DOMC 和废弃 LDPE 共热解具有显著的协同效应，降低了 LDPE 热解所需的活化能（Ea），提高了分解效率，为塑料废弃物的降解提供了一种新的、可持续的方法。同时，人工神经网络（ANN）模型在预测热解行为方面表现出色，为热解过程的优化提供了有效手段。这一研究成果对于推动塑料废弃物的环保处理和可持续能源的开发具有重要意义，为相关领域的研究和实践提供了新的思路和方法，有望在未来的工业生产和环境保护中发挥重要作用。
