随着我国的汽车保有量飞速增长,车用塑料的用量也在不断增加,报废车用塑料的回收利用就变得越来越重要。报废车用塑料零部件拆解后要进行分类回收,然而识别问题仍是报废车用塑料回收利用需解决的关键技术问题之一。常用的塑料识别方法有:表观识别、密度识别、折射率识别、燃烧识别、溶解识别、摩擦静电识别等,这些方法难于正确识别报废车用塑料。中红外光谱技术虽然能够快速识别车用塑料,但是,对实验环境要求较高,不能用于拆解现场的快速识别。近红外光谱技术的分析范围几乎可覆盖全部有机化合物,近红外光谱技术具有分析速度快、灵敏度高、重复性好和环境适应性强等优点,但还存在诸如不能识别深色塑料等问题。本研究以近红外光谱分析技术为基础,针对报废车用塑料的近红外光谱识别技术开展了深入研究,达到准确、快速识别报废车用塑料的目的。本研究针对近红外光谱难以识别深色塑料的问题,采用长波段和短波段近红外光谱仪相结合,既利用了短波段近红外光谱噪声低、光谱质量高的优点,又发挥了长波段近红外光谱信息丰富、灵敏度高,有利于提高复杂体系中较低含量组分测量精度的特点,开发了覆盖900—2500nm全波段的报废车用塑料近红外光谱识别系统。为解决材料表面状态、颜色等因素的影响,采用反复优化校正模型,扩大各类表观状态的光谱特征差异性等措施,提高了对深色车用塑料的识别能力和准确性。针对多种车用塑料近红外漫反射光谱的特征信息在主成分空间易于重叠,区分度不强的问题,通过改进化学计量学特征提取算法,有效去除车用塑料近红外漫反射光谱的噪声、谱带重叠和基线漂移等与样品性质无关的干扰因素;提取了报废车用塑料的特征信息,选择合适的主成分空间维数,扩大不同车用塑料近红外光谱特征信息的差异性,分别建立了车用塑料长、短波段近红外校正模型,提高检测的准确率。最后,在报废车用塑料近红外光谱校正模型的基础上,利用聚类分析中的马氏距离判别法对未知报废车用塑料进行归类,使类内报废车用塑料样品特征信息的同质性最大化和类间报废车用塑料样品特征信息的异质性最大化,从而实现准确识别报废车用塑料的目的。基于主成分分析和马氏距离判别相结合而开发的车用塑料近红外光谱建模识别软件,针对PP、PE、PVC、ABS、PS、POM、PMMA、PA、PC等九种车用塑料的识别准确率达98%。本研究达到了报废车用塑料拆解现场分类识别的要求。