废旧电子材料回收过程的研究与评价

《废旧电子材料回收过程的研究与评价》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要随着科学技术的进步，各类电子产品已经成为人们生活中不可缺少的组成部分，而其发展和普及的背后，人类将面临越来越多淘汰下来的废旧电子产品对环境带来的压力。本文为了对今后废旧电子材料回收技术的应用和发展提供借鉴和指导，从回收模型入手，对废旧电子材料回收的基本过程和废旧电子材料回收的预测控制进行了研究，并通过建立的两个模型对废旧电子材料回收过程进行了有效评价。从回收设备和回收技术的本质出发，如果将回收过程假设成一个提纯过程，在对跟回收企业回收利润相联系的提纯率、初始杂质含量、不可除去杂质含量、产品价值和投入费用等五项指标进行分析和讨论后，可以建立一个一般回收模型。这个模型可以大致表明这五项指标的相

2、互关系，也可以在综合分析以上五项指标的基础上为回收企业估计出最大利润和最佳的加工时间，从而为回收企业的实际生产提供指导。另外通过分析得出了使提纯效率提高、不可除去杂质含量减小都可以使最终利润提高的结论，从而为新技术的研究和开发提供借鉴和指导。利用MATLAB的神经网络工具箱编写了人工神经网络回收模型。通过分析和讨论，人工神经网络模型可以准确的预测并协助选择相应的回收流程。人工神经网络模型具有编写简单、数据输入简便、预测快捷和结果准确等优点，可以节省大量模型建立和验证的时间，并且可以处理庞大的数据，为生产过程中的预测控制提供了一种新的手段。从人工神经网络回收模型的发展入手，讨论了模型的输入数据优

3、化和模型的扩展方法。分析了模型输入数据优化和模型扩展的具体步骤，并分析了人工神经网络回收模型在废旧电子材料回收过程的预测控制方面的优点。为人工神经网络回收模型在实际生产中的应用提供了指导。关键词：废旧电子材料，回收技术，模型，人工神经网络，评价。ABSTRACT、Mththerapidprogressofmoderntechnologies，allkindsofelectronicproductshavebec锄eallindispensablepartofdailylife．However,behindthedevelopmentandpopularizationoftheelectroni

4、cproducts，oursocietywillbeconfrontedwiththeenvironmentpressureofmoreandmoreelectricalwastes．Thebasicrecyclingprocessallde踊cientevaluationoftheelectronicwastesaleinvestigatedbythedevelopmentofe．recyclingmodelinthispaper,forthereferenceandguidanceofapplicationanddevelopmentoftherecycletechniquesofelec

5、tronicwaste．Twomodelsaleproposedtoevaluatetherecycleprocessoftheelectronicwastes．Basedontlleessenceofrecycleequipmentandtechnology,therecycleprocessCanbe驯_nlmedtObeapurificationprocess，．Agenerale—recyclingmodelcallbebuilt，afteranalyzinganddiscussingthepurificationrate，originalimpuritycontent，unTemov

6、a_bleimpuritycontent，outputvalueandinputexpenses．Thismodelpredictstherelationshipoftheabove—mentionedfiveparametersgenerallyItcanalsoestimatethemaximumprofitandoptimalprocesstimefortherecyclecorporationInanalyzingthoseparameters。Inaddition，aconclusionthatimprovethepurificationefficiencyorlninimize也e

7、unremovableimpuritycontentCanimprovethefinalprofitISdrawn·A卫artificialneⅧ．alnet、7l，0Ike-recyclingmodelisdevelopedbyusingthetoolboxofneuz．alnetwofkinMATLAB．Artificialneuralnetworkmodelcanforecastandcho