基于AI碳纤维复合材料回收技术的研究（下）

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。上两期（《国际塑料商情》5月刊、6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等。本期将继续为您介绍余下所有精彩内容。

 

 

7.基于AI碳纤维复合材料生物基回收法的研究

AI 碳纤维复合材料生物基回收方法，是一种融合了生物学与人工智能技术的创新回收方法，其技术核心在于利用生物酶对碳纤维复合材料中的树脂基体进行降解，从而实现碳纤维的回收 。这种方法有着独特的原理和作用机制，目前还处于初步探索阶段，但已展现出一定的潜力。

7.1 基于AI碳碳纤维复合材料生物基回收技术面临的挑战
1)数据获取与质量
AI技术的应用需要大量的高质量数据作为支撑，但在生物基碳纤维回收领域，数据的获取可能存在困难。一方面，回收过程涉及复杂的化学和物理变化，数据采集难度较大；另一方面，目前该领域的研究和应用还不够广泛，数据积累相对有限。此外，数据的质量和准确性也会影响AI模型的性能，如何确保数据的真实性和可靠性是一个需要解决的问题。

2)模型构建与泛化能力
生物基碳纤维回收技术的多样性和复杂性使得构建准确可靠的AI模型面临挑战。不同的回收方法、原材料特性以及工艺参数等因素都会对回收效果产生影响，AI模型需要能够综合考虑这些因素并建立有效的映射关系。

3)广谱降解能力的酶或酶系的开发
碳纤复合材料的种类繁多，其基体树脂和增强纤维的组成和结构各异，给生物酶回收带来了困难。需要开发出具有广谱降解能力的酶或酶系，以适应不同类型的碳纤复合材料。通过基因工程和蛋白质工程等技术，对酶进行改造和优化，提高了其对碳纤复合材料中树脂的降解能力。

4)酶的稳定性与活性
生物酶在回收过程中可能会受到高温、酸碱等环境因素的影响，导致酶的失活或活性降低，影响回收效率。因此，需要进一步提高酶的稳定性和耐受性。

7.2 基于AI碳纤维复合材料生物酶回收技术协同智能回收技术的研究
图7中呈现了一个充满未来感的实验室环境，配备了先进的AI技术。机械臂正在对碳纤维废料进行分类和处理，蓝色的AI界面闪烁着数据。背景中有装满生物基溶剂的大容器，用于回收过程。明亮的灯光聚焦在高科技设备上，突出了碳纤维丝的复杂细节，整个场景充满了创新与可持续发展的氛围。

 

图 7：基于 AI 的碳纤维复合材料生物基智能回收场景

1)酶的筛选与设计
AI 技术的引入，为酶的筛选带来了新的思路和方法 。AI 可以通过对大量生物酶数据的分析，建立酶的结构与功能关系模型 。利用机器学习算法，AI 能够学习不同生物酶的氨基酸序列、三维结构等特征与它们对不同树脂基体降解活性之间的关联 。

AI可以通过对大量生物数据的挖掘和分析，可以预测出某种新型脂肪酶对特定聚酯树脂基体的降解效果，从而快速筛选出潜在的高效降解酶 ，大大缩短了酶筛选的周期，提高了筛选效率。此外，AI还可以从头设计全新的酶结构，通过计算模拟和优化，使其具有更高的降解效率和选择性。

2)酶的定向进化与优化
AI可以加速酶的定向进化过程，通过模拟自然选择，快速优化酶的性能。例如，利用AI算法可以预测酶的活性位点和催化机制，指导酶的突变和改造，从而提高其在特定条件下的降解效率和稳定性。

3)功能酶的协同回收
在实际回收过程中，往往需要多种酶的协同作用，以提高回收效率。例如，可以先使用一种酶将复合材料中的树脂部分进行部分降解，然后再使用另一种酶进一步水解降解产物，最终实现碳纤维的完全分离和回收。

4)成本预测与效益分析
AI可以对生物基碳纤维回收的全过程进行成本建模和效益分析，考虑原材料成本、能源消耗、设备折旧、人工成本等因素，预测不同回收工艺和生产规模下的成本和经济效益,有助于企业在投资回收项目前做出科学合理的决策，同时也为技术研发方向提供参考。

7.3 基于AI碳纤维复合材料生物酶协同回收案例
美国在生物基碳纤维回收技术领域取得了显著进展，主要集中在生物基环氧树脂的开发、生物催化回收技术以及政策支持等方面，主要体现在以下方面：

1)生物基环氧树脂的可回收性。美国国家可再生能源实验室（NREL）的研究团队开发了一种生物基环氧树脂和酸酐固化剂，通过引入更容易降解的交联剂，使碳纤维复合材料完全可回收。这种材料通过甲醇分解过程，可以在室温下有选择性地分解，而不降低纤维的质量或改变其取向。这种技术不仅降低了碳纤维的回收成本，还减少了生产过程中的温室气体排放。

2)生物催化回收技术。美国堪萨斯大学和南加州大学的研究团队开发了一种利用真菌分解碳纤维增强聚合物（CFRP）的新方法。研究人员通过转基因真菌（如黑曲霉和青霉菌），将聚合物基体分解为苯甲酸，并进一步转化为有价值的化合物OTA。这种技术不仅实现了碳纤维的高效回收，还保留了其超过97%的原始强度。

 

8.基于AI碳纤维复合材料能量回收技术的研究

近年来，能量回收作为一种新兴的回收理念，逐渐受到关注。其核心在于通过回收过程中的能量转换和利用，降低回收成本，同时实现资源的高效再利用。

 

图 8：基于 AI 的碳纤维复合材料能量回收技术的现代化工业设施场景

8.1 传统碳纤维复合材料能量回收技术面临的挑战
传统碳纤维复合材料的能量回收技术在高能耗、纤维性能下降、环境污染、回收效率低和经济可行性差等方面面临诸多挑战。

1)能量回收效率
能量回收过程需要精确的能量管理，但回收过程中的能量转换效率较低，且容易受到工艺参数波动的影响。AI需要优化能量回收路径，提高能量利用效率。

2)工业化规模
目前的回收技术多处于实验室或小规模试验阶段，扩大到工业化规模面临诸多技术瓶颈。

8.2 基于AI碳纤维复合材料能量回收技术协同提升回收质量的研究
图8中展示了大型处理单元，配备先进的传感器和AI系统。碳纤维复合材料废料被送入反应器，能量提取过程正在进行。AI界面显示能量产出和系统效率的数据。设施配备了太阳能板和风力涡轮机等可再生能源系统，强调可持续性。明亮的工业灯光突出了技术与环保意识的融合。

1)质量稳定性
AI碳纤维复合材料能量回收过程中回收碳纤维的质量控制，主要包括通过AI技术实时监测和调整回收过程中的参数，以确保回收碳纤维的质量稳定性。

2)回收率和利用率
利用机器学习算法预测和优化回收过程中的关键参数如温度、压力和时间等，以提高能量回收率和利用率；建立基于AI的质量控制系统实现对回收碳纤维的自动检测和分类，以确保其满足不同的应用需求。

8.3  基于AI碳纤维复合材料能量协同回收案例
AI在碳纤维复合材料能量回收技术中的应用前景广阔，但目前仍处于探索阶段。通过优化工艺、管理能量、控制质量以及预测规划，AI有望为碳纤维复合材料的可持续回收提供新的解决方案。

通过AI算法，三菱化学集团的回收系统能够实时监控热解过程中的能量输入和输出。AI模型根据实时数据调整热解温度和氧气供应，确保能量的高效利用。AI结合传感器技术，实时监测热解过程中的温度、压力和气体成分。通过机器学习算法，AI能够预测最佳的工艺参数组合，以最大化碳纤维的回收率和质量。通过二次燃烧热解气体实现能量回收，回收过程实现了能量的自给自足，减少了CO2排放，同时碳纤维的回收率和质量得到提升。

 

9.基于AI碳纤维复合材料电化学法回收技术的研究

碳纤维复合材料电化学法回收技术，主要是将废弃的碳纤维复合材料置于特定的电解液中，以其作为阳极，导电材料作为阴极，通过施加一定的电压，引发电化学反应。在这个过程中，复合材料中的树脂基体在电场作用下发生氧化分解反应，从而实现碳纤维与树脂基体的分离，达到回收碳纤维的目的。相比传统的热解法或化学法，电化学法无需高温或大量化学试剂，减少了能源消耗和环境污染。回收的碳纤维表面损伤小，保留了较高的机械性能。

9.1 传统碳纤维复合材料电化学法回收技术面临的挑战
传统碳纤维复合材料的电化学法回收技术虽然具有操作简单、适合大尺寸材料处理等优点，但仍面临高能耗、纤维性能下降、回收效率低、工艺复杂性、经济可行性差和环境影响等问题。

1）高能耗问题
能量利用效率低：电化学回收过程中，大部分能量（约75%-80%）被引入处理容器中，而不是直接用于废料的降解。这种低能量利用效率导致回收过程的能耗较高，增加了回收成本。

能耗：电化学回收需要施加一定的电流和电压来促进树脂基体的降解，但目前对于最佳电流密度和电压的优化研究仍不充分，不同材料和工艺条件下的能耗差异较大。

2）碳纤维质量下降。回收后的碳纤维拉伸强度仅为原始纤维的32%-80%，即使经过优化，也难以完全恢复其原始性能，难以与原始碳纤维竞争。电化学降解过程中，树脂基体的去除率虽然较高，但仍可能存在少量树脂残留，影响碳纤维的表面质量。

3）工艺复杂性和可重复性问题。电化学回收过程涉及多种参数（如电流强度、电解质浓度、处理时间等），这些参数之间的相互作用复杂，优化难度较大。由于材料成分和结构的差异，电化学回收过程的可重复性较差，难以实现标准化操作。

4）环境影响。电化学回收过程中使用的电解质溶液需要妥善处理，否则可能对环境造成污染。电化学降解过程中可能产生一些副产物，需要进一步研究其处理方法。常用的电解质溶液（如NaCl、KOH等）可能对设备和纤维表面造成腐蚀，影响环境和设备寿命。

9.2  基于AI碳纤维复合材料电化学回收技术协同提升回收质量的研究
图9中通过机械切割和粉碎设备将废料分解为小块。电化学装置：将碳纤维复合材料作为阳极浸入电解质溶液中，通过电极和电源进行电化学反应，使树脂分解并回收碳纤维。 AI监测：利用AI算法分析传感器数据（电流、电压、温度、pH值等），实时优化回收过程。纤维分离：通过过滤或离心分离回收的碳纤维。 后处理：对回收的碳纤维进行清洗和表面改性，以提高其性能。数据反馈：控制室内，通过屏幕实时显示数据并利用AI算法优化回收过程。整个场景充满未来感，展现了AI技术在电化学法回收中的应用。

 

图 9：基于 AI 的碳纤维复合材料电化学法回收技术的未来实验室场景

1)回收运行最佳化。利用深度学习算法构建的预测模型，能够根据给定的碳纤维复合材料类型和回收目标，准确预测出最佳的电流密度、电解质浓度和反应时间等参数。在实际回收过程中，通过自动化控制系统，根据 AI 模型的预测结果实时调整工艺参数，确保回收过程始终处于最佳状态。

2)质量预测模型。建立基于 AI 的回收质量预测模型，输入电化学反应过程中的实时参数，模型能够快速预测出回收碳纤维的质量指标，如拉伸强度、表面粗糙度等。通过与预设的质量标准进行对比，及时调整回收工艺，保证回收纤维质量符合要求。

3)闭环质量控制。将质量预测结果反馈到回收工艺控制系统中，形成闭环控制。当预测结果显示回收纤维质量即将偏离标准时，系统自动调整工艺参数，实现对回收质量的精准控制。这种闭环控制模式大大提高了回收质量的稳定性和一致性。

9.3  基于AI碳纤维复合材料电化学协同回收案例
Carbon Reclaim 公司采用的电化学回收流程，首先将废弃的碳纤维复合材料破碎成小块，以便于后续处理 。然后将这些小块放入特制的电解液中，通过施加电场，使树脂基体在电化学作用下分解 。在这个过程中，AI 发挥了关键作用 。AI 系统实时监测电解液的温度、浓度、电流密度等参数，并根据预设的算法和模型，自动调整电场强度和反应时间 。通过 AI 的精准控制，该企业的碳纤维回收率大幅提高，达到了 90% 以上，相比传统回收方法，回收率提高了 30% 左右 。而且，回收得到的碳纤维质量优良，其拉伸强度保留率达到了 85%，能够满足汽车零部件制造、体育器材生产等对材料性能要求较高的领域 。

研究方向。深入探究AI在碳纤维复合材料回收中的适用性和优化，探索AI与其他先进技术（如物联网、大数据等）结合在碳纤维复合材料回收中的应用，研究碳纤维复合材料回收过程中环境影响评估及可持续发展策略，开发新型高效的碳纤维复合材料绿色回收技术，建立完善的碳纤维复合材料回收体系。

（前两期精彩内容，请扫描下方二维码。）

 

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。