基于AI碳纤维复合材料回收技术的研究（中）

碳纤维复合材料大多为热固性复合材料，其不可逆的三维交联网络结构使得传统回收方法难以有效回收，导致大量废弃碳纤维复合材料堆积，造成严重的资源浪费和环境污染,其回收问题面临着巨大的挑战,成为制约行业可持续发展的瓶颈。上一期（《国际塑料商情》5月刊）为大家介绍了基于AI碳纤维复合材料常温回收技术的研究、机械回收技术的研究、直接放电的电脉冲法回收技术的研究。本期将继续为您介绍基于AI碳纤维复合材料热解回收技术的研究、化学法回收技术的研究，以及超临界流体回收技术的研究。

 

© 互联网

 

4、基于AI碳纤维复合材料热解回收技术的研究

热解回收法作为 CFRP 回收的主要方法之一，其原理是在无氧或缺氧的环境下，对 CFRP 进行高温加热，使其中的树脂基体发生热分解，树脂基体分解为小分子化合物，实现碳纤维与树脂的分离，达到回收碳纤维的目的。根据工艺条件的不同，热解回收法可分为传统热解、流化床热解和微波热解等。

4.1 传统碳纤维热解回收法持续发展面临主要挑战

热解回收法作为一种主流技术，能够通过高温分解树脂基体实现碳纤维的高效回收。传统热解法面临能耗高、纤维性能下降、环境影响大和经济性不足等挑战。

能耗高。热解过程需要在高温下进行，通常需要消耗大量的能源来维持反应温度。例如，传统热解法的温度通常在500°C以上。此外，流化床热解法需要连续的热气流，进一步增加了能耗。

回收碳纤维性能下降。高温环境可能导致碳纤维表面损伤，降低其力学性能。研究表明，回收纤维的拉伸强度和模量可能仅为原生纤维的50%-75%。此外，热解过程中形成的非晶碳层也会降低纤维的再利用价值。

环境影响。热解过程可能产生有毒废气，如挥发性有机化合物（VOCs）和多环芳烃（PAHs），对环境造成污染。此外，流化床热解法中有机溶剂的挥发也会带来环境风险。

经济性不足。热解设备的高成本和维护费用限制了其大规模应用。此外，回收过程中的高能耗和低回收率进一步增加了生产成本。

工艺复杂性。传统热解法需要复杂的工艺条件，如预粉碎、高温加热和后处理等。这些步骤不仅增加了工艺复杂性，还可能导致纤维损伤。

 

图4：基于AI的碳纤维复合材料智能热解回收实验室场

4.2 基于AI碳纤维复合材料热解回收技术协同智能回收技术的研究

图4中展示了一个现代化的工业实验室，配备了先进的热解反应器和AI控制系统。AI系统实时监控并优化热解过程，确保精确的温度控制。传感器和自动化系统协同工作，背景的数字显示屏实时显示数据和流程分析，整个场景体现了创新与高效，突出了AI与热解技术相结合的可持续回收方式。

1）模糊控制
将模糊控制应用于热解设备的温度控制，能够有效提高控制的鲁棒性和稳定性 。此外，还有模型预测控制（MPC）等先进的控制算法，它基于热解过程模型，对未来的系统状态进行预测，并根据预测结果和优化目标计算出最优的控制序列，实现对热解设备的前瞻性控制 。

2）优化热解参数
热解过程中的温度、加热速率、气氛和保温时间等参数对回收纤维的质量和能耗有重要影响。AI算法可以通过分析大量实验数据，建立参数与回收效果之间的关系模型，优化热解参数以实现最佳回收效果。

3）实时监控与反馈调整
结合传感器技术，AI可以实时监控热解过程中的温度、压力和纤维状态。通过分析传感器数据，AI能够快速识别纤维损伤位置和程度，并实时调整热解参数，从而提高回收过程的稳定性和纤维质量。

4）能耗与环境影响优化
AI技术可以通过分析热解过程中的能耗数据，优化工艺参数以降低能耗。此外，AI还可以通过优化工艺条件，减少热解过程中产生的有毒废气，降低环境影响。

5）自动调节
基于 AI 的智能控制策略能够实现热解设备的自动调节和故障诊断功能。在热解过程中，当监测到温度、压力等参数偏离设定值时，智能控制系统能够根据控制算法自动调整加热功率、进气量、排气量等操作参数，使热解过程迅速恢复到稳定状态 。

4.3 基于AI碳纤维复合材料热解回收法协同回收应用案例

美国先进复合材料制造创新研究所（IACMI）启动了一项复合材料回收项目，旨在开发一种机械和热解结合的回收方法。该项目利用AI技术优化热解工艺参数，通过实时监控和反馈调整，显著提高了回收效率和纤维质量。该技术将从复合材料中回收所有的液体、焦油和油脂，并将它们转变成清洁的合成气体，同时回收玻璃纤维和碳纤维。回收纤维的拉伸强度保持率可达90%以上。热解过程的能耗降低了30%。项目支持IACMI在5年内实现“80%复合材料具有可回收性”的目标。

 

5、基于AI碳纤维复合材料化学法回收技术的研究

化学法回收技术主要是利用化学试剂与碳纤维复合材料中的树脂基体发生化学反应，从而实现树脂基体的降解，进而将碳纤维从基体中分离出来。化学回收法通过溶解树脂基体实现纤维与树脂的分离，具有高效、环保的优点。AI技术的发展为化学回收法提供了新的优化手段，进一步提升了回收效率和纤维质量。

5.1传统碳纤维化学法回收持续发展面临主要挑战

化学法回收作为其中一种重要的技术手段，能够回收得到高质量的碳纤维，且对碳纤维的损伤较小。虽然在工业应用中取得了一定进展，但在持续发展过程中仍面临诸多挑战。

 

图5：基于AI的碳纤维复合材料智能化学法回收实验室场景

环境影响与化学试剂的使用。化学法回收过程中通常需要使用大量的化学溶剂，这些化学试剂不仅对操作人员的健康构成威胁，还可能对环境造成严重污染。化学回收过程中可能会产生有害副产物，如果处理不当，会造成环境污染。例如，某些溶剂在回收过程中可能释放有害气体或产生有毒废水。

碳纤维性能的下降。在化学回收过程中，碳纤维可能会受到化学试剂或高温的影响，导致其机械性能下降。例如，纤维的拉伸强度、模量等关键性能指标可能因化学处理不当而降低。此外，纤维表面的化学残留物也可能影响其在后续应用中的性能。

碳纤维的质量参差不齐。化学法回收过程中缺乏统一的行业标准和规范，导致回收纤维的质量参差不齐。

5.2 基于AI碳纤维复合材料化学回收协同智能回收技术的研究

图5中展示了一个现代化的实验室场景，配备了先进的化学反应器和AI系统。AI实时监控并控制化学反应过程，确保精确的反应条件。设备设计精良，传感器和自动化系统协同工作，背景的数字显示屏实时显示数据和化学过程优化信息，整个场景体现了创新、精准和可持续性，突出了AI与化学方法相结合的高效回收方式。

1）工艺参数优化
化学回收过程中，反应条件（如温度、时间、溶剂浓度、催化剂用量等）对回收纤维的性能和质量有显著影响。传统方法依赖于经验或试错法，效率低且成本高。AI通过机器学习算法（如神经网络、支持向量机等），可以对大量的实验数据进行分析和建模，预测不同工艺参数组合下的回收效果。

2）纤维性能预测与质量控制
化学回收过程中，纤维的性能（如强度、模量、长度保持率等）可能因化学处理而下降。AI可以通过图像识别技术和传感器数据，实时监测纤维的表面状态和结构变化。结合机器学习模型，AI能够预测纤维的最终性能，并及时调整回收工艺参数。

3）催化剂和溶剂的智能选择
化学回收中，催化剂和溶剂的选择对回收效率和环境影响至关重要。传统的催化剂和溶剂可能具有毒性或难以降解，对环境造成负担。AI可以通过对大量化学物质的数据库进行分析，预测不同催化剂和溶剂在回收过程中的表现。例如，通过分子模拟和机器学习算法，AI可以筛选出高效、环保的催化剂和溶剂组合。

4）回收过程的自动化与智能化
化学回收过程复杂，涉及多个步骤，如预处理、化学反应、后处理等。传统的人工操作效率低且容易出错。通过机器人技术和自动化控制系统，结合AI算法，回收设备可以实时调整操作参数，优化回收流程。例如，AI可以控制反应釜的温度和搅拌速度，确保反应的高效进行。

5.3 基于AI碳纤维复合材料化学法协同回收案例

法国Fairmat开发了一种结合AI和机器人技术的回收工艺，利用机器学习算法优化回收过程中的参数，如溶剂浓度、温度和反应时间。AI算法根据实时数据调整工艺参数，确保纤维的高质量回收。利用机器学习算法分析回收纤维的力学性能和表面质量，预测最佳回收条件。AI技术确保回收过程的绝对可追溯性，通过大数据分析不断改进工艺。通过传感器网络实时监测回收过程中的化学反应。

Fairmat的AI驱动回收技术显著提高了纤维质量，回收纤维的力学性能保持率超过95%。此外，该公司与多家知名企业建立了合作伙伴关系，包括Hexcel、Tarmac Aerosave和西门子Gamesa，推动了化学回收技术的工业化应用。

 

6、基于AI碳纤维复合材料超临界流体回收技术的研究

AI融入碳纤维复合材料能量超临界流体回收技术的研究是一个前沿且具有潜力的方向。超临界流体回收技术利用超临界流体（如二氧化碳）作为溶剂，通过改变温度和压力使其进入超临界状态，从而有效分解聚合物基质，回收碳纤维。AI可以在这一过程中发挥重要作用，特别是在过程控制、故障检测、数据分析和材料质量评估等方面。

6.1 传统碳纤维复合材料超临界流体回收技术面临技术挑战

1）高温高压条件的限制
超临界流体回收通常需要在高温（>200°C）和高压（>10 MPa）条件下进行，这导致设备运行和维护成本显著增加。反应设备需要承受高温高压，且目前多为间歇式反应器，难以实现连续化生产。高温高压条件增加了操作风险，可能导致设备故障或安全事故。

2）反应机理不明确
超临界流体对树脂基体的降解机理尚未完全清晰，这限制了工艺条件的优化和新体系的开发。目前对超临界流体回收过程中碳纤维性能下降的原因和规律理解不足，难以有效控制纤维损伤。

3）纤维损伤与性能下降
在超临界流体回收过程中，碳纤维可能会受到热损伤或化学侵蚀，导致其表面损伤和力学性能下降。尽管超临界流体回收被认为是一种高效的方法，但回收后的碳纤维性能保留率仍难以达到原生纤维的水平。

4）生产效率低设备成本高
间歇式反应器的生产效率较低，难以满足大规模回收的需求。超临界流体回收设备需要耐高温高压，且需要复杂的控制系统，导致设备成本高昂。

5）工艺放大与工业化应用
AI优化的超临界流体回收工艺在实验室环境中表现良好，但在工业化放大过程中面临诸多问题，如设备稳定性、操作复杂性和成本控制。

6.2 基于AI碳纤维复合材料超临界流体回收技术协同智能回收技术的研究

图6中展示了一个高科技的实验室环境，配备了先进的超临界流体反应器。AI系统精准地控制着压力和温度，确保回收过程的最优条件。设备设计现代且精良，传感器和自动化系统协同工作，背景的数字显示屏实时显示数据和AI算法优化信息，整个场景体现了创新与高效，突出了AI与超临界流体技术相结合的可持续回收方式。

 

图6：基于AI的碳纤维复合材料智能超临界流体回收实验室场景

1）回收工艺优化。碳纤维回收过程中涉及多种复杂的化学反应和物理过程，AI可以通过对大量实验数据的学习和分析，预测不同工艺条件下的回收效果，为优化回收工艺提供指导。在超/亚临界流体法回收中，AI可以根据溶剂种类、温度、压力等因素与树脂降解率、纤维性能保持率之间的关系，快速筛选出最佳的工艺参数组合。

2）智能化和自动化生产。AI 与超临界流体回收技术的融合，可以实现整个回收过程的智能化和自动化，减少人工干预，提高生产效率和稳定性，有利于大规模工业化应用。

3）优化预防措施。数据分析帮助识别出最佳的操作条件组合，提高了回收效率和材料质量。通过历史数据分析，可以预测未来可能遇到的问题，并提前采取预防措施。

6.3 基于AI碳纤维复合材料超临界流体回收法协同回收案例

美国有部分企业在超临界流体回收碳纤维复合材料时，可能会利用 AI 技术进行质量检测和分级。如通过计算机视觉结合 AI 算法，对回收后的碳纤维进行质量检测和分级，提高回收材料的质量控制水平。

宝马利用 AI 技术结合超临界流体回收法，实现更高效的回收利用，比如通过 AI 预测碳纤维复合材料的回收效果，优化超临界流体回收工艺，以提高回收碳纤维的质量和性能，使其更适合汽车零部件的生产。（未完待续）

 

（上期精彩内容，请扫描右方二维码。）

作者简介：
张友根，教授级高级工程师，终生享受国务院政府特殊津贴。发表中、英论文近500篇约450万字。曾获得上海市科技进步二等奖四项，优秀新产品二等奖四项，上海市工业战线优秀科技工作者等荣誉。

 

来源：荣格-《国际塑料商情》

原创声明：
本站所有原创内容未经允许，禁止任何网站、微信公众号等平台等机构转载、摘抄，否则荣格工业传媒保留追责权利。任何此前未经允许，已经转载本站原创文章的平台，请立即删除相关文章。