排序方式: 共有16条查询结果,搜索用时 0 毫秒
1.
铜硫分离中银的选择性导向回收 总被引:1,自引:0,他引:1
为了研究新型抑制剂在铜硫分离过程中对银浮选行为的影响,采用石灰和LY作为硫抑制剂,通过6种动力学模型,分别考察了低碱和高碱环境下铜、银和铁的浮选回收率及动力学行为。结果表明,6种动力学模型均可较好地拟合试验数据。石灰选择性较差,在低碱性介质中对黄铁矿的抑制效果较弱,在强碱性介质中不利于铜和银矿物的回收;而LY在铜硫分离过程中表现出良好的选择性,它可以在低碱和高碱环境下强烈抑制黄铁矿,并在弱碱性矿浆中实现铜硫的高效分离,同时诱导独立银矿物定向富集至铜精矿产品中。 相似文献
2.
3.
采用一阶浮选动力学模型对金矿石的浮选回收率进行了拟合,以研究矿浆浓度对不同粒径金矿浮选速率的影响。结果表明,浮选矿浆浓度与金的累积品位呈反比,而与金的累积回收率近乎呈正比,低浓度比高浓度矿浆更有利于金的高效富集,高浓度矿浆下更有利于金的回收。粗颗粒金比细粒级金更适应高浮选矿浆浓度体系,其浮选回收率及累积品位均更高。实际矿石试验验证了浮选动力学拟合结果,在50%的浮选矿浆浓度中,经闪速浮选协同常规浮选工艺,可以获得金品位50.0 g/t,回收率88.93%的金精矿,获得了比单一常规浮选更好的技术指标。 相似文献
4.
针对银漫选厂磨矿粒度组成呈两极分化、银矿物需细磨而锡石需粗磨的磨矿矛盾等问题,提出依据原矿银锡品位比精准调控磨矿细度。同时,以原矿银锡品位比为自变量,建立了磨矿细度和矿物解离度的预测模型。结果表明,当处理高银低锡矿石时,需采用较细的磨矿细度,促进硫化矿物的单体解离;当处理低银高锡矿石时,需采用相对较粗的磨矿细度,降低锡石过粉碎现象。与采用单一磨矿细度相比,铜、银、锌、锡的回收率分别可以提高6.44%、11.08%、16.37%和9.80%,实现了磨矿细度的预测及各有价元素的高效综合回收。 相似文献
5.
6.
7.
为了研究磨矿方式对闪锌矿和黄铁矿浮选行为的影响,通过 6 种浮选动力学模型,分别考察了干磨、湿磨及磨矿时间下 2 种矿物的粒度组成及动力学参数。 结果表明,6 种动力学模型均表现出了良好的拟合效果。 氧化速率、磨矿方式、粒度组成共同决定了闪锌矿和黄铁矿的浮选表现。其中,黄铁矿较闪锌矿具更高的氧化速率及更低的浮选回收率。 湿磨产品较干磨更细,所有试验中-0.015 mm 微细粒级的产率最高,这有利于新生表面的暴露,并导致黄铁矿的快速富集,但同时释放更多 Fe3+,降低了闪锌矿的浮选速率。干磨产品粒度组成更粗且颗粒表面粗糙度更高,这促使闪锌矿和黄铁矿干磨后的 ε∞ 值较湿磨更高。 相似文献
8.
腾冲高泥氧化锌矿选矿实验研究 总被引:1,自引:0,他引:1
针对腾冲某氧化锌矿嵌布粒度细、含泥量高的技术难题进行了选矿实验研究. 结果表明,该矿中锌品位为6.65%、铁品位为12.31%,锌氧化率达92.83%,锌主要以异极矿形式存在,铁主要以磁铁矿形式存在. 经多个实验流程对比分析,采用预先洗矿(洗去小于37 mm粒级的颗粒)、沉砂磨矿后先磁选后浮选的流程,确定最佳磨矿细度为小于75 mm的颗粒达91.74%,弱磁选电流为4 A,粗选药剂用量为碳酸钠2 kg/t、六偏磷酸钠2 kg/t、硫化钠13 kg/t、KPR 2 kg/t. 采用闭路选矿流程,得到锌品位为27.89%、回收率75.26%的氧化锌精矿和铁品位为61.25%、回收率51.65%的铁精矿. 通过Zeta电位分析捕收剂KPR与异极矿的作用机理. 相似文献
9.
某高砷含铋硫精矿铋、硫、砷含量分别为0.67%、34.52%和3.97%,主要含硫矿物磁黄铁矿含量达85.92%,主要含砷矿物毒砂含量为8.83%,自然铋和辉铋矿含量分别为0.54%和0.15%;试样中的主要有用矿物单体解离度不高,其中铋矿物的解离度仅为53.22%,与磁黄铁矿等硫化物连生的铋占38.57%,还有8.21%的铋与脉石等其他矿物连生。为实现该高砷含铋硫精矿的高效综合利用,进行了选矿试验研究。研究表明:试样采用1次弱磁选+1次强磁选选硫,以石灰+SP组合抑制砷、硝酸铅活化铋、BIC为铋浮选捕收剂,1粗2精2扫、中矿顺序返回流程分离铋、砷,最终获得了硫品位为32.67%、含砷0.46%、硫回收率为77.28%的硫精矿,铋品位为50.19%、铋回收率为80.33%、含砷仅为0.45%的铋精矿,以及砷品位为20.78%、砷回收率为90.49%的砷精矿,取得了良好的硫、铋、砷分离效果,实现了该高砷含铋硫精矿的高效综合回收利用。试验采用弱磁选+强磁选的联合流程高效脱除磁性差异较大的磁黄铁矿,大大减少了铋、砷浮选分离的矿量,降低了磁黄铁矿对后续浮选的影响。 相似文献
10.
采用经典一阶浮选动力学模型对矿物浮选回收率及分离效率进行了拟合计算,研究矿石粒度对铅锌分离过程中铅、银和锌的浮选行为的影响。建立了BP人工神经网络模型,预测平均给矿粒度对矿物回收率及分离效率的影响。结果表明,中等粒级(-74~+20 μm)下铅和银的浮选回收率最高,而微细粒级锌夹带严重,3种矿物的浮选速率均随矿石粒度的减小而减小;-105~+20 μm粒级下矿物的分离效率最高,过粗或过细均不利于矿物的浮选分离。BP-ANN预测结果表明,该矿石的最佳平均给料粒度为26~94 μm;银具有良好的铅依存性,通过添加锌抑制剂ZCY,配合使用对银矿物有良好选择性的捕收剂DA-1,可以实现银在铅锌分离中的导向回收。 相似文献