工业废料填充聚氨酯复合材料可实现高性能隔热。采用工业废料填充的硬质聚氨酯复合材料在机械强度、导热系数及机器学习引导优化方面表现突出,此类复合材料在硬质隔热应用中兼顾高性能与循环经济理念。研究人员首先采用传统MDI-多元醇基体,填充盐粘土废料及其他工业副产品,开发出硬质聚氨酯复合材料。该配方策略旨在提升抗压强度和硬度,同时保持适用于建筑隔热系统的低导热特性。研究同步应用数据驱动模型,以定量和预测方式理解配方变量如何影响机械与热学性能。
聚合物基体由二苯基甲烷二异氰酸酯和商业聚醚多元醇构成,该多元醇具有中等分子量和高化学纯度。研究团队根据分子量、官能度、黏度及加工温度等关键参数选择多元醇,这些参数直接影响发泡动力学与泡孔形态。此外,辛酸钴催化剂加速了聚氨酯形成过程,化学计量的异氰酸酯-羟基比例以100克多元醇为基准。基于此,团队确定了每种实验配方所需的MDI、催化剂、盐粘土废料及辅助填料的质量。
填料体系包含多种源自工业生产、具有不同化学性质、结晶度与颗粒形态的无机废料。研究具体评估了粒径低于50微米的钠硼解石、硬硼钙石、克尔卡粘土废料、粗硼砂、粉煤灰及盐粘土废料。不同废料类型对泡沫密度、交联密度及泡孔壁增强作用的影响各异,导致复合材料机械响应存在显著差异。含硼矿物还可能引发与异氰酸酯基团的潜在相互作用,使分散的无机颗粒周围的聚氨酯网络局部硬化。
纯聚氨酯泡沫在标准测试中抗压强度约为0.13兆帕,硬度约67肖氏A单位。而废料填充配方的抗压强度相较于纯聚氨酯泡沫提升了约250%至500%。同时,硬度改善幅度达25%至40%,具体数值高度依赖于填料化学性质、填充量及分散质量。其中硬硼钙石与盐粘土废料的抗压强度提升最为显著,硬度增幅也最大。克尔卡粘土废料主要作为硅酸盐-碳酸盐填料使用,通过增加复合材料密度和抗压强度发挥作用,但化学相互作用较弱。相比之下,粉煤灰因多孔形态和特定表面特性,虽显著提升抗压强度,但对硬度的贡献有限。粗硼砂和钠硼解石在均匀分散时可同时增强硬度和耐久性,这得益于其在聚氨酯内形成的结晶硼酸盐结构。因此,工程师可通过调整填料类型、粒径分布及总体无机物含量来定制抗压强度、硬度和密度。
采用圆柱试样和瞬态线热源设备测量导热系数,测得值介于0.030至0.050 W·m⁻¹·K⁻¹之间。即使无机物含量较高,复合材料仍将导热系数维持在硬质建筑隔热材料的典型范围内。在微观结构层面,扫描电子显微镜显示优化配方实现了填料均匀分布与受控的相对闭孔孔隙率结合。高孔隙率的富粉煤灰体系易促进水分渗透,在严苛环境暴露条件下表现出较差的耐腐蚀性。
为补充实验测试,作者利用配方描述符和测得的复合材料性能作为输入-输出对训练机器学习模型。随机森林算法以较低均方误差预测抗压强度和硬度,捕捉了多个配方变量间的非线性相互作用。在评估的回归方法中,简单神经网络架构提供了最精确的导热系数预测。线性回归方程量化了各参数的贡献度,阐明了聚合物质量与总废料填充量如何影响硬度和导热系数。
总体而言,该研究表明工业废料填料可生产出具有稳健机械性能和可接受热学性能的硬质聚氨酯复合材料。整合机器学习工具加速了配方优化进程,在保持可解释的结构-性能关系的同时减少了实验工作量。采用盐粘土及相关废料的聚氨酯体系成为可持续隔热和低载荷结构应用的有前景候选材料。