《Chemical Thermodynamics and Thermal Analysis》:Co-pyrolysis of low-density polyethylene and polystyrene: thermodynamic feasibility, kinetics, and artificial neural network modelling
编辑推荐:
为解决塑料废弃物难以降解、环境污染加剧及回收工艺复杂等问题,本研究探讨了低密度聚乙烯(LDPE)与聚苯乙烯(PS)共热解的性能与协同效应。研究人员通过热重分析(TGA)和人工神经网络(ANN)建模,揭示了LDPE-PS共混物作为生物燃料原料的适宜性,证明了其具有较大的生物能源潜力。该研究不仅为塑料废物的资源化利用提供了新思路,也展示了ANN模型在预测混合塑料热解行为中的高精度与可靠性。
在我们的日常生活中,塑料扮演着不可或缺的角色,从食品包装到电子元件,几乎无处不在。然而,这种便利的背后是日益严峻的环境挑战:绝大多数塑料源自不可再生的化石燃料,而现有的废弃物管理系统难以应对其巨大的处理量,导致每年有数以百万吨计的塑料进入海洋,并在自然环境中滞留数百年难以降解。传统的机械回收面临成本高、效率低且需预先分拣的困境,而填埋处理则占用土地并污染环境。因此,寻找一种能有效将废弃塑料转化为高价值能源或化学品的技术,已成为解决塑料污染和资源循环的关键。热解,作为一种在无氧环境下将长链聚合物裂解为小分子的化学回收技术,为此提供了可能。特别是将不同塑料混合进行共热解,不仅能处理难以分拣的混合废塑料,还可能产生协同效应,优化产物分布。然而,热解过程的产物质量和产率受到温度、升温速率等多重因素影响,其反应动力学复杂,传统研究方法依赖大量实验,限制了技术的推广。与此同时,人工智能技术的发展为预测这类复杂非线性过程开辟了新途径。在此背景下,一项关于低密度聚乙烯(LDPE)和聚苯乙烯(PS)共热解的研究应运而生,其成果发表于《Chemical Thermodynamics and Thermal Analysis》期刊,为我们深入理解混合塑料的热转化行为提供了宝贵的见解。
为了系统探究LDPE与PS共热解的特性,研究人员综合运用了多种技术方法。首先,对从尼日利亚奥巴费米·阿沃洛沃大学周边收集的废旧LDPE和PS样品进行了工业分析、元素分析和扫描电子显微镜(SEM)表征,以评估其作为原料的基本特性。研究核心采用了热重分析(TGA),在三种不同升温速率(10、20和30°C/min)下,于25至900°C的温度范围内,在氮气氛围中分析了样品的重量损失行为。基于TGA数据,研究采用了模型拟合法(Coats-Redfern)和三种等转化率法(Friedman, Flynn-Wall-Ozawa, Kissinger-Akahira-Sunose)进行动力学分析,以计算活化能(Ea)和指前因子(K0)。此外,还计算了吉布斯自由能变(ΔG)、熵变(ΔS)和焓变(ΔH)等热力学参数。最后,利用MATLAB R2024b中的人工神经网络(ANN)工具箱,建立了以升温速率和温度为输入、以重量损失百分比为输出的预测模型,网络结构为2 * 5 * 1,采用Levenberg-Marquardt算法进行训练。
研究结果
3.1. 原料表征
3.1.1. 工业分析和元素分析
分析结果显示,LDPE-PS共混物的挥发分含量为76.90%,固定碳含量为12.52%,水分和灰分含量较低,分别为9.67%和0.91%。元素分析表明其碳含量为53.96%,氢含量为6.60%,而氮(2.73%)和硫(0.83%)的含量较低,高位发热量(HHV)为22.92 MJ kg-1。这些特性表明该共混物水分含量适宜(<10%),灰分低有利于燃烧,较低的氮硫含量意味着热转化过程中产生有害气体的风险较小,整体上非常适合作为热解制取生物燃料的原料。
3.1.2. 扫描电子显微镜(SEM)
SEM图像显示,LDPE-PS共混物呈现异质形态,具有不规则的区域和明显的相分离结构。这表明两种聚合物在分子水平上相容性有限,界面结合力弱,缺乏互穿聚合物网络。这种结构上的不连续性可能成为热解过程中早期热裂解的引发点,意味着LDPE和PS可能沿着各自独立的路径分解。
3.2. LDPE-PS的热重特性
TGA曲线揭示了LDPE-PS共混物在三个不同升温速率下均呈现三阶段失重过程。第一阶段(25-156°C)失重约3%,主要归因于残留水分和低分子量添加剂的蒸发。第二阶段(123-518°C)是主要的热分解阶段,发生了绝大部分的重量损失,这对应于LDPE的β-断裂和PS的解聚反应。第三阶段(323-614°C)失重率减慢,归因于残留芳香结构的碳化和稳定炭的形成。升温速率显著影响热解行为,速率越高,分解温度向高温移动,炭产率增加。
3.3. LDPE-PS共热解动力学
研究采用Coats-Redfern、Friedman、FWO和KAS四种方法计算了不同转化率(α)下的动力学参数。所有模型计算得到的活化能(Ea)均为正值,表明该过程高度依赖于温度。活化能和指前因子并非升温速率或转化率的单一函数。初始的低活化能归因于聚合物链中弱键位点的存在,随着反应进行,Ea值趋于稳定,在反应末期因炭层的阻碍作用,Ea值再次升高。
3.4. LDPE-PS共混物的热力学
热力学分析表明,反应的焓变(ΔH)为正值,证实了共热解过程是吸热的。活化能(Ea)与焓变(ΔH)之间的能垒较低(约7 kJ/mol),表明化学反应易于引发,有利于形成活化络合物。吉布斯自由能变(ΔG)值相对较高(不同模型均值在235.42至325.22 kJ/mol之间),提示LDPE-PS原料具有巨大的生物能源潜力。所有转化率下的熵变(ΔS)均为负值,表明活化络合物相比于初始反应物具有更有序的结构,系统在达到热解平衡时发生的物理化学变化较少。
3.5. LDPE-PS热解的人工神经网络预测建模
研究建立了ANN模型来预测LDPE-PS共混物在不同升温速率下的热解行为。模型采用2 * 5 * 1架构,回归分析显示,在10、20和30°C/min三种升温速率下,实验数据与预测值之间均具有极强的相关性(R2≥ 0.999)。-1 (B) 20°C min-1(C) 30°C min-1.">对比图清晰表明,实验值与ANN预测值高度吻合,证明了ANN在精确预测LDPE-PS热解行为方面具有卓越能力。
结论与意义
本研究通过结构、热学、动力学和预测建模的多维度分析,深化了对LDPE-PS共热解的理解。研究发现,不相容的LDPE/PS体系其相分离形态与各自独立又具有协同优势的降解过程相关联,这为共热解中的产物调控提供了机理基础。综合运用多种动力学模型提高了参数推导的准确性,揭示了LDPE-PS分解的温度依赖性,并证明单一模型难以完全描述复杂聚合物共混物的行为。热力学分析显示,该共热解反应是能量上有利的,且在活化络合物阶段结构有序。基于热重特性,研究建议LDPE-PS共热解的最优温度范围为450-500°C,最佳升温速率约为20°C/min。
最具方法论意义的是ANN模型的应用,其近乎完美的预测精度表明,数据驱动模型能够有效模拟不同加热速率下的非线性热解反应。这为减少传统动力学分析所需的大量实验工作提供了强有力的工具。综上所述,该研究证实了LDPE-PS共热解是一种将混合塑料废物转化为高品位燃料和化学品的可行且明确的途径。通过整合动力学分析和机器学习预测,可以优化塑料废物的价值化过程,推动化学回收技术的发展,为应对塑料污染和能源挑战提供创新的解决方案。当然,实际废弃塑料组分更为复杂,未来研究需扩展到包含PET、PP、PVC等更多组分的体系,并需结合大规模反应器实验及产物特性与环境影响评估,以推动该技术走向实际应用。