Page 49 - 《橡塑技术与装备》2025年8期

综述与专论
SPECIAL AND COMPREHENSIVE REVIEW

苯（PCBs）、邻苯二甲酸酯等有害物质，这些物质在 着多方面的作用。AI 在规避热解废塑料的健康风险方
热解过程中可能与硅酸盐结合，形成新的复合材料， 面，可以作为强大的工具，通过数据分析、预测模型
增加了对人体健康的潜在风险。在高温下，某些有机 和智能决策支持，来制定有效的预处理策略。AI 通过
物可能分解出有毒气体，如二噁英、多环芳烃等，这 收集大量关于废塑料的物理性质、热解条件（如温度、
些物质可能附着在硅酸盐产物上，增加其对环境和人 压力、停留时间）、以及最终产物特性的数据，能够建
体健康的潜在危害。塑料中可能含有硅酸盐，热解过 立预测模型，指导预处理过程的优化。AI 预测热解过
程中可能会释放出硅酸盐粉尘，引发呼吸道问题，如 程对环境的影响，包括温室气体排放、污染物释放等，
哮喘、慢性支气管炎等。 帮助制定更环保的工艺策略。AI 分析设备运行数据，
预测设备热解过程中规避健康可能出现的潜在故障，
3 AI 废塑料热解规避副产品健康风险的 快速定位并解决问题，提前进行维护。AI 通过模型预
健康化的解析 测和优化算法，确保资源的最大化利用和能源的高效
基于 AI 数据驱动的 AI 废塑料热解规避副产品健 转换，减少对环境的影响。预测热解副产品的材料特
康风险热解过程优化策略主要围绕利用先进的数据分 性，确保最终产物的质量符合标准。
析和机器学习技术来提高热解效率、降低能耗以及改 3.3 AI 废塑料热解健康化技术设计和实施的
善产品质量。 策略
AI 在废塑料热解工艺优化中规避副产品的健康风 本节主要探讨的是如何将 AI 融入到废塑料热解
险中扮演了关键角色，规避了常规废塑料热解副产品 技术中，以实现对整个热解过程的精确控制和优化。
的健康风险，不仅减少了有毒副产品的产生，还提升 AI 的引入，不仅能够提高热解效率，减少能源消耗，
了整个工艺过程的可持续性和经济效益，为环保型塑 还能确保热解过程的安全性与环保性。
料回收利用提供了强有力的技术支持。 3.3.1 热解系统架构与模块的设计
挖掘和拓展 AI 应用于规避废塑料热解副产品健 系统架构与模块的设计主要围绕构建一个高效、
康风险的潜能，降低废塑料热解健康风险副产品的生 智能化的 AI 废塑料热解系统展开。系统几个关键模块
成，确保排出的副产品健康水平符合环保标准。 的设计解析 ：
3.1 AI 规避废塑料热解副产品健康风险的解 （1）数据采集模块的设计
析 负责收集废塑料的种类、数量、状态等信息，以

AI 通过对废塑料热解工艺参数的精细调整和复杂 及环境参数如温度、压力、气体成分等，为后续的决
关系的自动学习，显著提高了工艺过程的可控性和效 策提供基础数据。
率，从而有效减少了有毒副产品的产生。 （2）智能分析模块
AI 深度学习模型首先通过深度神经网络捕获了 运用 AI 算法（如深度学习、机器学习）对收集
热解过程中温度、压力、停留时间等关键参数与副产 到的数据进行实时分析，识别最优的热解条件和过程
物生成之间的非线性关系，进而实现了对这些参数的 参数，以最大化资源回收率并最小化健康风险。
精准优化。借助卷积神经网络（CNN）和循环神经网 （3）热解反应模块
络（RNN）等架构，模型不仅考虑了单个参数的影响， 根据智能分析模块提供的指令执行废塑料热解过
还捕捉到了参数间的交互作用，使得优化策略更加全 程，通过精确控制加热温度、反应时间等参数，实现
面和动态。深度学习模型能够实时监测工艺过程，并 高效热解。
基于当前状态预测潜在的有毒副产物生成情况，通过 （4）副产品处理模块的设计
调整操作条件提前干预，有效降低了副产物的产生量 针对热解产生的有机和无机副产品，采用特定的
和毒性。模型通过长期趋势的学习，模型还能预测不 净化、分离、转化技术，去除有害物质，提高资源回
同批次的塑料在热解过程中可能出现的副产品类型和 收质量，并确保符合环保标准。
数量，为生产计划和废物管理提供科学依据。 （5）自动化控制与监控模块的设计
3.2 AI 废塑料热解健康化预处理技术的解析 集成先进的传感器与控制系统，实现对整个系统
AI 在规避废塑料热解健康化的预处理技术中发挥 的远程监控与自动化操作，确保安全运行，并能及时

2025 第 51 卷 ·3·
年