双光路红外分选机结构对废旧塑料瓶剔除率的影响

Influence of Structure of Dual-Optical Infrared Sorter on Removal Rate of Waste Plastic Bottles

摘要

因废旧塑料瓶材质和颜色众多，分选过程十分复杂。文章为提升GLP4型塑料红外分选机的剔除率，在可见光+红外光双光路激发环境下，选择材质为PET的蓝色和白色瓶，材质为PET的绿瓶以及其他材质瓶（PC、PE、PP）三种塑料瓶作为识别目标。将混合用料的比例控制为80%常规蓝白绿（脱标+未脱标），10%扭曲蓝白绿瓶，10%1.2~1.5 L瓶体，在可见光和红外光下进行分选测试。先利用fluent模拟不同喷嘴直径下的空气射流情况，确定合适喷嘴，再研究了不同工作条件下样品剔除率。结果表明：喷嘴直径为4.0 mm时，高压气体能够作用在100 mm处的物料位置，同时未完全消耗喷嘴内压。使用新分隔板距离72 mm时，样品剔除率在99.36%，角度在0°即水平位置，剔除率达到99.08%，喷嘴直径在4.0 mm时，剔除率在99.48%，验证模拟结果的准确性。

关键词

双光路红外分选 / 废旧塑料瓶 / 喷嘴模型 / Fluent软件 / 剔除率

Key words

Dual-optical path infrared sorting / Waste plastic bottles / Nozzle model / Fluent software / Rejection rate

近年来，近红外光谱识别技术(780 nm \le λ \le2 526 nm)已经成为塑料分选行业的研究热点^[1-3]。物质分子的振动对不同光波段的吸收存在明显的差异，可以利用特定的光识别不同种类塑料^[4-6]。塑料近红外分选系统结构主要由上料装置、传送装置、识别模块、分选模块、控制模块、集料仓等组成具有快速、连续且精准的特点^[7-8]。气动系统为分离装置提供动力，其核心部件射流喷嘴的设计是影响剔除率的关键因素。许瑞等^[9]通过Fluent软件进行数值模拟，系统地研究了射流喷嘴收缩角对射流的影响。结果表明：轴线方向最大速度随收缩角的增大呈递减趋势。周文会^[10]采用Fluent软件中的混合模型对射流流场的速度、压力、介质等物理量进行了两相流动的数值模拟研究。用Fluent软件对圆锥形喷嘴和圆柱形喷嘴射流的速度衰减特性进行了模拟和分析，从而得出最佳的喷嘴结构参数，为研究和优化高压水射流清洗喷嘴的设计提供了参考依据。射流喷嘴的研究涉及空气动力学、流体力学、计算流体动力学等多学科知识，优异的气动系统研究需要多个学科的交叉应用^[11]。本实验为优化GLP4型塑料红外分选机的剔除率，采用自主研发的高频阀和带翼分隔板，通过调整带翼分隔板角度，分隔板上沿至皮带距离，喷嘴直径进行比对剔除测试，利用Fluent对不同喷嘴直径进行模拟，得到塑料瓶受压合适位置时的喷嘴直径。

1 实验部分

1.1 主要原料

废旧塑料瓶，蓝色和白色瓶材质为聚对苯二甲酸乙二醇酯(PET)，绿瓶材质为PET，其他材质瓶[聚碳酸酯(PC)、聚乙烯(PE)、聚丙烯(PP)]，来源于市场回收。

1.2 仪器与设备

中科光电色选机械有限公司自研GLP4型塑料红外分选机。图1为其主要结构。其中分选系统由出料斗、高速电磁阀等附件组成^[12-13]。

1.3 实验方法

出料斗由前后两个腔组成，按照自定义分选模式分离被分选物料的成品和次品^[14]。溢出料斗两侧配有吸尘口。由于被选物料在经过高速电磁阀喷射后动能较大，因此出料斗空间要足够大，并且在物料与出料斗接触部位采取减振措施，图2为气动分离系统^[15-16]。

防止被选物料反弹二次进入电荷耦合器件(CCD)镜头探测区内，造成误选现象发生^[17]。高速电磁喷气阀当接收到执行指令时，适时喷出压缩气体，吹出原料待剔除物。图3为分隔板和吹嘴板结构^[18-19]。

分离试验中，分隔板与喷嘴参数对剔除率影响较大，且分选物料材质大小均不相同，因此利用fluent模拟喷嘴射流，可以计算物料受压位置，选择合适的喷嘴直径^[20-21]。

2 结果与讨论

2.1 fluent模拟仿真分析

首先利用Design Modeler建立喷嘴的二维模型，利用Meshing划分网格，最后利用fluent进行求解^[22-23]。建立模型并划分网格，导入喷嘴二维模型后划分网格及边界条件设置。图4为喷嘴模型。

喷嘴直径2.0、2.2、2.4、2.6、2.8、3.0、4.0、5.0 mm，射流区域长度为100 mm，也即物料所在位置，压力入口边界条件设置为：入口总压800 kPa，静压800 kPa，总温度40 ℃，湍流模型选择K-omega SST，入口温度为40 ℃^[24-26]。气体选择理想可压缩空气，选择密度基求解器。图5为压力云图^[27-28]。从图5可以看出，喷嘴直径在2.0 mm时，喷嘴内压力无法释放，因此无法形成有效冲击力。随着喷嘴直径增大，压力随之释放。在直径达到4.0 mm时，高压区基本达到物料所在长度，同时，喷嘴内压力没有完全消耗，这表明在气动分离过程，可以采用喷嘴前的开关阀控制喷嘴开关，在不大幅耗损喷嘴内压的同时形成有效冲击^[29]。而喷嘴达到5.0 mm时，压力完全释放，高压完全作用在物料处。但是在实际分离过程中需要先打开总压调节阀让气体充满喷嘴，再打开喷嘴阀使空气喷出，相比于只用喷嘴阀控制空气喷出增加了控制时间^[30]。此外，喷嘴直径在5.0 mm时，高压在物料区的作用面积大，这容易影响其他物料的分离。因此暂不考虑使用5.0 mm及以上的喷嘴直径。

图6为具体的射流位置与压力数值分布关系。从图6可以看出，喷嘴直径在2.0 ~3.0 mm之间时，压力随着射流位置的增加衰减较大，这说明压力无法释放，与压力云图一致。喷嘴直径在4.0 mm和5.0 mm时射流位置在100 mm处即物料所在位置，还伴有高压冲击，但是喷嘴直径5.0 mm时作用在物料上的高压面积明显大于喷嘴直径4.0 mm时，对比剔除试验结果，可以发现由于喷嘴直径5.0 mm的高压作用面积过大，影响了剔除率。而3.0 mm及以下直径喷嘴剔除率低是因为气压还未完全作用于物料。

2.2 不同塑料在可见光+红外光双光路激发下分选试验

为了提升GLP系列塑料红外分选机剔除率，优化阀箱节和分隔板架构，开展剔除测试验证。通过调整阀箱喷嘴角度，分隔板至皮带轴距离，测试全选剔除率；试验料混合比例80%常规蓝白绿（脱标+未脱标），10%扭曲蓝白绿瓶，10% 1.2~1.5 L瓶体；调整分隔板角度，分隔板上沿至皮带距离，喷嘴角度，进行比对剔除率测试。试验总共选择500个塑料瓶，分别做5次试验。图7为PP和PC的成像。从图7可以看出，在可见光下成像图像差异不明显，在红外光成像下，PP反射绿光，PC反射紫光，差异较为明显。

2.3 剔除率对比

表1为新旧分隔板对比测试结果。从表1可以看出，在2 500次实验过程中，使用旧分隔板距离97 mm时，未剔除总数达到37，剔除率为98.52%。根据实际情况调整新的分隔板结构进行对比测试，结果显示，使用新分隔板距离97 mm时，未剔除总数减小到25，剔除率为99.00%，表明自主研发的新分隔板有助于提高识别精度。在新分隔板距离72 mm时，未剔除总数减小到16，剔除率增大到99.36%。这是由于分隔板距离过大时，无法对塑料瓶进行有效阻挡，当减小分隔板距离时，塑料瓶会被分隔板卡阻，因此可以有效减少未剔除数。

表2为新旧吹嘴板对比测试结果。从表2可以看出，使用旧吹嘴板时，未剔除总数为67，常规未吹出为52，剔除率为97.32%。使用自主研发的新吹嘴板时，未剔除总数减少到24，常规未吹出仅仅为13，剔除率增加到99.04%，表明自主研发的新吹嘴板有助于提高常规吹出效率，进而增大塑料的识别精度。

表3为新分隔板角度对比测试结果。从表3可以看出，在新分隔角度-10°，0°和+10°所对应的剔除率分别为99.00%，99.08%和98.56%。结果表明，最佳的新板角度为水平角度。

为进一步优化，选择喷嘴直径分别为2.0、3.0、4.0 和5.0 mm直径，考察了喷嘴直径对剔除率的影响。表4为喷嘴直径对比测试结果。从表4可以看出，喷嘴直径为2.0 mm时，样品呈现出最低的剔除率99.00%，当喷嘴角度增大到3.0 mm时，剔除率达99.08%，嘴直径增至4.0 mm时，剔除率达到99.48%。喷嘴角度增至5.0 mm时，剔除率达到99.36%。表明最佳的喷嘴直径为4.0 mm。可以发现由于喷嘴直径5.0 mm的高压作用面积过大，影响了剔除率。喷嘴直径通过影响气体射流对物料的冲击，进而影响物料的剔除，因此对喷嘴直径进行fluent流体模拟分析。

3 结论

使用自主研发的新分隔板和吹嘴板时，剔除率分别增加到99.00%和99.04%，表明自主研发的新吹嘴板有助于提高常规吹出效率。喷嘴直径为2.0~5.0 mm时，样品的剔除率各不相同，最佳的喷嘴直径为4.0 mm，剔除率最高为99.48%。3.0 mm以下直径的喷嘴压力无法完全释放，导致剔除率低。而5.0 mm直径的高压作用面积过大，影响了剔除率。

参考文献

[1] LI H Q, LI L, YIN F F, et al. An improved classification method of waste smartphone plastics based on near-infrared spectroscopy[J]. Journal of Material Cycles and Waste Management, 2023, 25: 1841-1852.

[2] 尹凤福,闫磊,韩清新,近红外光谱(NIR)分选技术在塑料分选领域的应用[J].环境工程,2017,35(12):134-138.

[3] KAI NEO E R, YEO Z Q, CHOONG LOW J S, et al. A review on chemometric techniques with infrared, Raman and laser-induced breakdown spectroscopy for sorting plastic waste in the recycling industry[J]. Resources, Conservation & Recycling, 2022, DOI: 10.1016/j.resconrec.2022.106217.

[4] 李文环,金尚忠,陈玲玲,基于近红外光谱结合主成分分析和BP神经网络的常用塑料快速鉴别[J].塑料工业,2016,44(12):124-127, 137.

[5] JEON Y J, SEOL W J, KIM S H, et al. Robust near-infrared-based plastic classification with relative spectral similarity pattern[J]. Waste Management, 2023, 166: 315-324.

[6] 李家帅,薛莲莲,王凯,基于近红外光谱的塑料分选技术预处理方法的优化[J].分析测试学报,2023,42(3):351-356.

[7] 陈飞扬,陈万锁.废塑料的分类分选、预处理及回收现状[J].中国资源综合利用,2021,39(10):118-134.

[8] 胡彪,王树桐,汤桂兰,基于Fluent的废旧塑料精准分选装置设计研究[J].应用力学学报,2015,32(6):1075-1081, 1109.

[9] 许瑞,杜长龙,曾锐,不同收缩角喷嘴的射流仿真研究[J].矿山机械,2011,39(2):36-39.

[10] 周文会.高压水射流喷嘴内外部流场的数值模拟研究[D].兰州:兰州理工大学,2008.

[11] 胡彪,赵俊华,李健毅.基于NIR混合废塑料识别仪分选效率的模型[J].环境工程学报,2016,10(10):5855-5860.

[12] 张嘉丽,李浩,梁文宏.基于FLUENT的高压精细雾化喷嘴特性研究[J].机电工程技术,2023,52(2):63-67.

[13] 胡寿高,冷和,杨怀宁,基于Fluent的高压清洗机喷嘴优化[J].农业装备与车辆工程,2021,59(7):113-116, 124.

[14] 王元荪.一种报废汽车金属塑料分选装置[J].再生资源与循环经济,2021,14(6):45.

[15] 张书敏,江龙发,周丽萍,再生塑料颗粒固体废物的典型特征及其识别技术[J].中国口岸科学技术,2021,3(9):70-76.

[16] 吕铷麟,贾镇,胡益滔,基于卷积神经网络的食品塑料包装袋光谱识别[J].包装工程,2022,43(3):121-128.

[17] 吴雪,冯巍巍,蔡宗岐,近红外光谱的海水微塑料快速识别[J].光谱学与光谱分析,2022,42(11):3501-3506.

[18] 朱珂郁,曹长林,杨松伟,近红外光谱技术原理及其在废杂塑料识别分选中的应用进展[J].福建师范大学学报:自然科学版,2021,37(5):109-116.

[19] 刘文杰,程晓阳.基于Fluent的高压水射流喷嘴优化模拟研究[J].能源与环保,2020,42(5):14-18.

[20] 王冰川,张凯,张聃,基于Fluent的超音速气液混合喷嘴模拟仿真[J].清洗世界,2020,36(1):35-37.

[21] 曾维,尹生阳,张凤.基于计算机视觉的垃圾塑料瓶识别与定位算法研究[J].电子测量技术,2021,44(23):12-17.

[22] 杨思节,冯巍巍,蔡宗岐,基于拉曼光谱技术的海水微塑料快速识别技术研究[J].光谱学与光谱分析,2021,41(8):2469-2473.

[23] 刘俊安,李嘉铭,赵楠,主成分分析结合支持向量机辅助激光诱导击穿光谱对塑料快速分类识别[J].光谱学与光谱分析,2021,41(6):1955-1960.

[24] 刘彪,徐亮,凌俊,塑料内胆纤维缠绕气瓶分层、脱胶缺陷的红外检测方法探究[J].特种设备安全技术,2020(1):21-22.

[25] 傅梗桂.聚乙烯废弃塑料高温高压碳化行为及其储锂性能[J].中国高新科技,2021(24):122-124.

[26] 李凡,李聪,刘思杨,废弃塑料瓶外表面污染物的成分分析[J].塑料工业,2022,50(9):139-142.

[27] 候宝瑞,杨鸿,李怡馨,一种基于紫外-可见吸收光谱的塑料瓶材质分类研究[J].中国科技信息,2021(8):91-92.

[28] 孙家政,姜红,朱晓晗,基于Fisher判别分析的塑料拖鞋XRF光谱鉴别[J].上海塑料,2022,50(2):60-64.

[29] 时逸之,陈芮,易靓,分子光谱成像对玉米粉中微塑料的深度无损表征[J].食品安全质量检测学报,2022,13(17):5534-5539.

[30] 张彤,黄昊翀,张自力,基于太赫兹时域光谱技术的塑料检测[J].中国激光,2022,49(13):141-150.

基金资助

安徽省科技重大专项“近红外光谱视觉赋能的废旧汽车塑料分拣关键技术及产业化”(202103a07020010)

“复杂航空构件用双横梁结构大型高档数控加工中心成套装备”(202003c08020020)